Analisis Sentimen Publik terhadap Kenaikan UKT pada Platform X Menggunakan Support Vector Machine

Kenaikan Uang Kuliah Tunggal (UKT) pada 2024 memicu perdebatan luas di media sosial X yang menghasilkan data teks tidak terstruktur. Penelitian ini memetakan sentimen publik terhadap isu tersebut, membandingkan tiga kernel Support Vector Machine (SVM), yaitu linear, polynomial, dan Radial Basis Function (RBF), dan mengimplementasikan model terbaik ke prototipe web. Data berupa 1.500 postingan berbahasa Indonesia periode Mei–Juli 2024 yang dipraproses, dilabeli otomatis dengan InSet Lexicon, dan dibobotkan dengan TF-IDF. Evaluasi memakai hold-out 80:20 dan 10-fold stratified cross validation dengan F1-macro, uji t berpasangan, dan uji Wilcoxon, serta Multinomial Naive Bayes sebagai pembanding. Sentimen negatif mendominasi (84,27%), diikuti positif (11,93%) dan netral (3,80%). Tema keberatan terbanyak adalah tuntutan transparansi penetapan kelompok UKT dan beban finansial keluarga. Pada validasi silang, F1-macro kernel RBF, linear, dan polynomial adalah 0,6571, 0,6520, dan 0,6479, tetapi selisihnya tidak signifikan (p > 0,05) sehingga ketiganya setara pada data ini. Kelas netral paling sulit diprediksi (F1 ≤ 0,38). Prototipe lolos 12 skenario black-box dengan waktu respons rata-rata 10,5 milidetik, namun hanya 4 dari 10 teks baru yang sesuai penilaian manusia karena semua diprediksi negatif. Label manual dan data yang lebih beragam diperlukan sebelum model digunakan di luar konteks datasetnya.