Dinamika Opini Publik Terkait Quarter Life Crisis Pada Media Sosisal X Menggunakan Support Vector Machine

Talitha Dwi Septyorini; Khothibul Umam; Maya Rini Handayani

doi:10.30591/jpit.v10i3.8648

Dinamika Opini Publik Terkait Quarter Life Crisis Pada Media Sosisal X Menggunakan Support Vector Machine

Talitha Dwi Septyorini, Khothibul Umam, Maya Rini Handayani

Abstract

This study aims to analyze the dynamics of public opinion related to quarter life crisis on platform X through a sentiment analysis approach based on machine learning Support Vector Machine (SVM) algorithm is used to classify positive and negative sentiments from text data. A total of 6.312 tweets were collected with the keyword “quarter life crisis” from January 2024 to January 2025. The data was then processed through the stages of text cleaning, tokenization, stopword removal, stemming, and lexicon-based sentiment labeling. The classification process is carried out using SVM with a data division of 80% training and 20% test. The results showed an accuracy of 81.57% with a sentiment distribution of 59.3% negative and 40.7% positive. Implementation was done on Google Colab platform with evaluation using confusion matrix and classification report. The fingdings prove the effectiveness of SVM in analyzing psychosocial phenomena on social media and provide an empirical basis for the development of digital data-based mental health interventions. The machine learning pipeline optimized in this study can be used as a reference for other studies in analyzing psychological phenomena on social media

Keywords

Quarter Life Crisis; Sentiment Analysis; SVM; Social Media; Text Processing.

Full Text:

References

P. R. Pamungkas and G. Hendrastomo, “Quarter life crisis di kalangan mahasiswa,” Saskara: Indonesian Journal of Society Studies, vol. 4, no. 1, pp. 174–188, 2024.

Karpika I Puti and Segel Ni Wayan Widiyani, “Quarter Life Crisis Terhadap Mahasiswa Studi Kasus di Fakultas Keguruan dan Ilmu Pendidikan Universitas PGRI Mahadewa Indonesia,” Widyadari, vol. 22, no. 2, pp. 513–527, 2021, doi: 10.5281/zenodo.5550458.

Kukuh Wijayanti and Qoniah Nur Wijayani, “Peranan Aplikasi Twitter Atau X Dalam Interaksi Komunikasi Guna Membantu Penyeimbangan Kesehatan Mental Pada Remaja Saat Ini,” Journal Sains Student Research, vol. 2, no. 1, pp. 07–15, 2023, doi: 10.61722/jssr.v2i1.469.

L. Nursinggah, R. Ruuhwan, and T. Mufizar, “Analisis Sentimen Pengguna Aplikasi X Terhadap Program Makan Siang Gratis Dengan Metode Naïve Bayes Classifier,” Jurnal Informatika dan Teknik Elektro Terapan, vol. 12, no. 3, 2024, doi: 10.23960/jitet.v12i3.4336.

M. A. Amrustian, W. Widayat, and A. M. Wirawan, “Analisis Sentimen Evaluasi Terhadap Pengajaran Dosen di Perguruan Tinggi Menggunakan Metode LSTM,” JURNAL MEDIA INFORMATIKA BUDIDARMA, vol. 6, no. 1, p. 535, Jan. 2022, doi: 10.30865/mib.v6i1.3527.

H. I. Pratama and P. T. Prasetyaningrum, “Penerapan Support Vector Machine untuk Analisis Sentimen pada Google Review Hotel,” vol. 6, no. 2, pp. 1244–1252, 2025, doi: 10.47065/josh.v6i2.6645.

H. Alkatiri and R. A. Aprianty, “Pengaruh Intensitas Penggunaan Media Sosial pada Quarter Life Crisis pada Dewasa Awal,” Jurnal Psikologi, vol. 1, no. 2, p. 7, 2024, doi: 10.47134/pjp.v1i2.2269.

S. Amanda Permatasari, Mohammad Ammar Marsa, “Dampak Media Sosial dalam Quarter Life Crisis Gen Z di Indonesia,” Syntax Literate: Jurnal Ilmiah Indonesia, vol. 7, no. Vol 7 No.6 (2022): Syntax Literate: Jurnal Ilmiah Indonesia, 2022.

F. Darmawan, M. Joe, Y. I. Kurniawan, and L. Afuan, “Analisis Sentimen Kemungkinan Depresi dan Kecemasan pada Twitter Menggunakan Support Vector Machine,” Jurnal Eksplora Informatika, vol. 13, no. 1, pp. 24–36, 2023, doi: 10.30864/eksplora.v13i1.854.

M. Fachriza and Munawar, “Analisis Sentimen Kalimat Depresi Pada Pengguna Twitter Dengan Naive Bayes, Support Vector Machine, Random Forest,” Jurnal Teknik Universitas Muhammadiyah Ponorogo, pp. 49–58, 2023, [Online]. Available: http://studentjournal.umpo.ac.id/index.php/komputek

K. Putri et al., “Implementasi Algoritma Support Vector Machine dalam Klasifikasi Deteksi Depresi dari Postingan pada Media Sosial,” Jurnal Nasional Teknologi Informasi dan Aplikasinya, vol. 2, no. 1, pp. 193–202, 2023.

R. Andarsyah and A. Yanuar, “Sentimen Analisis Aplikasi Posaja Pada Google Playstore Untuk Peningkatan Pospay Superapp Menggunakan Support Vector Meachine,” Jurnal Teknik Informatika, vol. 16, no. Vol. 16, No. 2, April 2024, 2024.

N. Aulia, S. N. Sari, and N. Wakhidah, “Jurnal Informatika : Jurnal pengembangan IT Analisis Sentimen Aplikasi Get Contact di APP Store Menggunakan Metode SVM ( Support Vector Machine ),” vol. 10, no. 1, pp. 139–148, 2025, doi: 10.30591/jpit.v9ix.xxx.

K. Dwicahyo and C. Indah Ratnasari, “Perbandingan Metode Web Scraping Dalam Pengambilan Data: Kajian Literatur,” Automata, vol. 4, 2023.

N. A. Haqimi and T. A. Roshinta, “Analisis Komentar Spam Instagram menggunakan Support Vector Machine dengan Variasi Hyperparameter,” vol. 9, no. 3, pp. 242–253, 2024, doi: 10.30591/jpit.v9i3.7834.

A. Fathiarahma, A. Voutama, T. Ridwan, and N. Heryana, “Analisis Text Mining Klasifikasi Kegiatan Keluarga menggunakan Orange dengan Metode Naive Bayes,” Jurnal Teknologi Terpadu, vol. 9, no. 1, pp. 35–41, 2023, doi: 10.54914/jtt.v9i1.606.

I. Amelia, A. Mutiara, and I. Santoso, “Analisis Sentimen Opini Publik Terhadap Pengambil Alihan Tmii Oleh Pemerintah Dengan Algoritma Naïve Bayes,” Jurnal IKRAITH-INFORMATIKA, vol. 7, no. 2, pp. 142–148, 2023, [Online]. Available: https://journals.upi-yai.ac.id/index.php/ikraith-informatika/issue/archive

Aditya Quantano Surbakti, Regiolina Hayami, and Januar Al Amien, “Analisa Tanggapan Terhadap Psbb Di Indonesia Dengan Algoritma Decision Tree Pada Twitter,” Jurnal CoSciTech (Computer Science and Information Technology), vol. 2, no. 2, pp. 91–97, 2021, doi: 10.37859/coscitech.v2i2.2851.

A. Santosa, I. Purnamasari, and Mayasari Rini, “Pengaruh Stopword Removal dan Stemming Terhadap Performa Klasifikasi Teks Komentar Kebijakan New Normal Menggunakan Algoritma LSTM,” Jurnal Sains Komputer & Informatika (J-SAKTI), vol. 6, pp. 81–93, 2022.

N. Hadi and D. Sugiarto, “Analisis Sentimen Pembangunan IKN pada Media Sosial X Menggunakan Algoritma SVM , Logistic Regression dan Naïve Bayes,” vol. 10, no. 1, pp. 37–49, 2025, doi: 10.30591/jpit.v10i1.7106.

M. A. Saddam, E. Kurniawan D, and I. Indra, “Analisis Sentimen Fenomena PHK Massal Menggunakan Naive Bayes dan Support Vector Machine,” Jurnal Informatika: Jurnal Pengembangan IT, vol. 8, no. 3, pp. 226–233, 2023, doi: 10.30591/jpit.v8i3.4884.

I. A. N. Gunawan, . S., and I. Shalahuddin, “Dampak Penggunaan Media Sosial Terhadap Gangguan Psikososial Pada Remaja: A Narrative Review,” Jurnal Kesehatan, vol. 15, no. 1, pp. 78–92, 2022, doi: 10.23917/jk.v15i1.17426.

S. S. Maulina Putri, M. Arhami, and H. Hendrawaty, “Penerapan Metode SVM pada Klasifikasi Kualitas Air,” Journal of Artificial Intelligence and Software Engineering (J-AISE), vol. 3, no. 2, p. 93, 2023, doi: 10.30811/jaise.v3i2.4630.

W. D. Yuniarti, A. N. Faiz, and B. Setiawan, “Identifikasi Potensi Keberhasilan Studi Menggunakan Naïve Bayes Classifier,” Walisongo Journal of Information Technology, vol. 2, no. 1, p. 1, 2020, doi: 10.21580/wjit.2020.2.1.5204.

I. Siti Aisah, B. Irawan, and T. Suprapti, “Algoritma Support Vector Machine (Svm) Untuk Analisis Sentimen Ulasan Aplikasi Al Qur’an Digital,” JATI (Jurnal Mahasiswa Teknik Informatika), vol. 7, no. 6, pp. 3759–3765, 2024, doi: 10.36040/jati.v7i6.8263.

N. S. Syam et al., “Model Support Vector Machine untuk Prediksi pada Penggunaan Energi Listrik di Rumah Hemat Energi,” Jurnal Informatika, vol. 1, no. 2, pp. 56–59, 2022, [Online]. Available: https://jurnal.uniraya.ac.id/index.php/JI

M. F. Naufal, J. Siswantoro, and M. G. K. Wicaksono, “Klasifikasi Tulisan Tangan Pada Resep Obat Menggunakan Convolutional Neural Network,” Techno.Com, vol. 22, no. 2, pp. 508–526, 2023, doi: 10.33633/tc.v22i2.8075.

K. Citra, P. Daun, and T. Padi, “Klasifikasi Citra Penyakit Daun Tanaman Padi Menggunakan CNN dengan Arsitektur VGG-19,” Jurnal Sains dan Informatika, vol. 9, no. 1, pp. 37–45, 2023, doi: 10.22216/jsi.v9i1.2175.

Y. S. HARIYANI, S. HADIYOSO, and T. S. SIADARI, “Deteksi Penyakit Covid-19 Berdasarkan Citra X-Ray Menggunakan Deep Residual Network,” ELKOMIKA: Jurnal Teknik Energi Elektrik, Teknik Telekomunikasi, & Teknik Elektronika, vol. 8, no. 2, p. 443, 2020, doi: 10.26760/elkomika.v8i2.443.

DOI: https://doi.org/10.30591/jpit.v10i3.8648