Implementasi Algoritma Support Vector Machine untuk Klasifikasi Opini Publik terhadap Insiden Peretasan Indodax

Kristiyanto, Rafles (2025) Implementasi Algoritma Support Vector Machine untuk Klasifikasi Opini Publik terhadap Insiden Peretasan Indodax. Bachelor Thesis thesis, Universitas Multimedia Nusantara.

	PDF HALAMAN_AWAL.pdf Download (2MB)
	PDF BAB_I.pdf Download (265kB)
	PDF BAB_II.pdf Download (267kB)
	PDF BAB_III.pdf Download (286kB)
	PDF BAB_IV.pdf Restricted to Registered users only Download (930kB)
	PDF BAB_V.pdf Download (223kB)
	PDF DAFTAR_PUSTAKA.pdf Download (214kB)
	PDF LAMPIRAN.pdf Restricted to Registered users only Download (323kB)
	Archive (ZIP) CREATION_FILE.zip Download (502kB)

Abstract

Seiring meningkatnya penggunaan cryptocurrency di Indonesia, isu keamanan siber pada platform pertukaran aset digital seperti Indodax menjadi perhatian serius. Penelitian ini mengimplementasikan algoritma Support Vector Machine (SVM) untuk menganalisis sentimen publik terhadap insiden peretasan Indodax pada September 2024. Data dikumpulkan dari media sosial dan diproses melalui tahapan preprocessing, seperti pembersihan teks, stemming, dan ekstraksi fitur menggunakan TF-IDF. Model dilatih dengan GridSearchCV untuk optimasi parameter, diuji dengan berbagai konfigurasi N-gram, serta menggunakan SMOTE untuk menangani ketidakseimbangan kelas. Model terbaik, yaitu Linear SVM dengan konfigurasi TF-IDF N-gram (1,2) dan SMOTE, mencapai akurasi 78,73% dan macro average F1-score 76,14%. Hasil klasifikasi terhadap data baru menunjukkan bahwa opini publik didominasi sentimen negatif. Penelitian ini memberikan kontribusi dalam memahami persepsi masyarakat terhadap insiden siber dan sebagai masukan bagi platform kripto dalam mitigasi dan strategi komunikasi.

Item Type:	Thesis (Bachelor Thesis)
Keywords:	Analisis sentimen, Indodax, keamanan siber, opini publik, Support Vector Machine, TF-IDF.
Subjects:	?? T58.5-58.64 ??
Divisions:	Faculty of Engineering & Informatics > Informatics
SWORD Depositor:	Administrator UMN Library
Depositing User:	Administrator UMN Library
Date Deposited:	23 Jul 2025 11:02
Last Modified:	23 Jul 2025 11:02
URI:	https://kc.umn.ac.id/id/eprint/39144

Actions (login required)

View Item