ANALISIS SENTIMEN BODY SHAMING MENGGUNAKAN ALGORITMA SUPPORT VECTOR MACHINE PADA MEDIA SOSIAL

Abstract

Body shaming adalah tindakan memberikan komentar negatif terhadap fisik seseorang, seperti "gendut", "pesek", atau "cungkring", yang sering terjadi di platform media sosial, termasuk Twitter. Penelitian ini bertujuan untuk menganalisis sentimen masyarakat terhadap body shaming di Twitter menggunakan metode Support Vector Machine (SVM). Dataset dikumpulkan melalui teknik crawling pada Twitter, kemudian diklasifikasikan menjadi tiga sentimen: positif, netral, dan negatif. Evaluasi model dilakukan menggunakan confusion matrix, menghasilkan akurasi sebesar 66%, precision 69%, F1-score 66%, dan F1-score65%. Distribusi sentimen menunjukkan kelas positif mendominasi dengan 1975 data (40,5%), diikuti kelas netral sebanyak 1829 data (37,5%), dan kelas negatif sebanyak 1071 data (22%). Hasil penelitian menunjukkan bahwa metode SVM cukup efektif untuk mengklasifikasikan sentimen body shaming di Twitter. Temuan ini dapat memberikan wawasan dalam pengembangan algoritma deteksi sentimen dan kebijakan moderasi konten di media sosial.