Klasifikasi Sentimen Netizen X Terhadap Fenomena Eksodus Penduduk Ke Luar Negeri Menggunakan Pendekatan Supervised Learning

Abstract

Fenomena brain drain di Indonesia mengalami peningkatan signifikan pada tahun 2025 ditandai dengan munculnya tagar #KaburAjaDulu melalui media sosial X sebagai bentuk respons masyarakat terhadap ketidakpastian kondisi sosial, politik, dan ekonomi dalam negeri. Kondisi tersebut mengakibatkan terjadinya eksodus sumber daya manusia berkualitas Indonesia ke luar negeri. Penelitian ini bertujuan untuk mengklasifikasikan sentimen netizen X terkait fenomena eksodus penduduk ke luar negeri menggunakan algoritma supervised learning dan mengidentifikasi kecenderungan dominasi sentimen netizen X. Tiga algoritma klasifikasi supervised learning seperti Support Vector Machine (SVM), Random Forest, dan Naïve Bayesditerapkan dalam analisis data sekunder yang dikumpulkan melalui crawlingkomentar netizen di media sosial X dengan tagar #KaburAjaDulu. Performa dievaluasi dengan menggunakan matriks klasifikasi yang menggunakan nilai akurasi untuk mengidentifikasi metode klasifikasi yang optimal, kemudian diperiksa dengan menggunakan nilai presisi, sensitivitas, dan spesifisitas. Menurut temuan tersebut, emosi negatif menyumbang 72,09% dari komentar netizen. Algoritma SVM menunjukkan model klasifikasi terbaik dengan akurasi 75,8%, presisi 80,7%, sensitivitas 57,1%, dan spesifisitas 87,5% pada sentimen negatif. Temuan ini mengindikasikan adanya gelombang persepsi negatif terhadap situasi dalam negeri yang menjadi pendorong wacana eksodus ke luar negeri. Oleh karena itu, pemerintah perlu memperkuat intervensi kebijakan dalam menjawab krisis kepercayaan masyarakat dengan memperhatikan indikator kesejahteraan dan kesempatan kerja, terutama bagi generasi produktif