ANALISIS SENTIMEN ANCAMAN DISRUPSI PEKERJAAN AKIBAT KECERDASAN BUATAN DI MEDIA SOSIAL YOUTUBE DENGAN ALGORITMA SVM

Abstract

Meningkatnya penggunaan kecerdasan buatan berpotensi menimbulkan disrupsi pekerjaan dan memicu kekhawatiran masyarakat terhadap masa depan dunia kerja. Opini publik mengenai isu tersebut banyak muncul di media sosial, khususnya YouTube, dalam bentuk komentar tidak terstruktur sehingga membutuhkan analisis sentimen secara sistematis. Penelitian ini bertujuan mengkaji sentimen publik terhadap disrupsi pekerjaan akibat kecerdasan buatan menggunakan algoritma Support Vector Machine (SVM). Data penelitian berupa komentar YouTube berbahasa Indonesia yang dikumpulkan dari Kaggle. Tahapan penelitian meliputi praproses teks, ekstraksi fitur menggunakan TF-IDF, serta klasifikasi sentimen dengan SVM menggunakan kernel Linear dan Radial Basis Function (RBF). Hasil penelitian menunjukkan bahwa kedua model memperoleh akurasi sebesar 75%. Kernel Linear menghasilkan klasifikasi yang lebih optimal pada kelas netral dan positif, sedangkan kernel RBF masih memiliki keterbatasan dalam mengidentifikasi kelas negatif. Penelitian ini menunjukkan bahwa penyaringan data berbasis konteks pekerjaan serta optimasi kernel SVM dapat membantu memetakan sentimen publik secara lebih relevan terhadap isu disrupsi pekerjaan akibat kecerdasan buatan