APPLICATION OF SVM FOR SENTIMENT ANALYSIS REGARDING THE EFFICIENCY OF APBN AND APBD IN 2025
Keywords:
SVM, Sentiment Analysis, Budget Efficiency
Abstract
The policy on expenditure efficiency in the 2025 APBN and APBD has triggered diverse public responses on social media, necessitating sentiment analysis to identify emerging opinion trends. The analysis employs the Support Vector Machine (SVM) method, a margin-based classification algorithm that constructs an optimal separation between classes through the identification of the best hyperplane, where optimality is achieved when the separating margin is maximized. This study aims to identify sentiment patterns and classify public opinion regarding the budget efficiency policy to provide a measurable quantitative overview beyond subjective assessment. Data were collected from the X platform during the period 15 January–25 March 2025 using the keyword “efisiensi anggaran.” The results indicate that negative sentiment dominates at 53%, while positive sentiment accounts for 47%. The SVM model achieved an accuracy of 99%, indicating strong performance in classifying sentiment related to the 2025 budget efficiency policy
References
Aisah, I. S., Irawan, B., & Suprapti, T. (2024). Algoritma Support vector machine (SVM) untuk Analisis Sentimen Ulasan Aplikasi Al Qur’an Digital. Jurnal Mahasiswa Teknik Informatika, 7(6), 3759–3765. https://doi.org/10.36040/jati.v7i6.8263
Amrozi, Y., Yuliati, D., Susilo, A., Novianto, N., & Ramadhan, R. (2022). Klasifikasi Jenis Buah Pisang Berdasarkan Citra Warna dengan Metode SVM. Jurnal Sisfokom (Sistem Informasi Dan Komputer), 11(3), 394–399. https://doi.org/10.32736/sisfokom.v11i3.1502
Anwar, K. (2022). Analisa sentimen Pengguna Instagram Di Indonesia Pada Review Smartphone Menggunakan Naive Bayes. KLIK: Kajian Ilmiah Informatika Dan Komputer, 2(4), 148–155. https://doi.org/10.30865/klik.v2i4.315
Bei, F., & Sudin, S. (2021). Analisis Sentimen Aplikasi Tiket Online di Play Store Menggunakan Metode Support vector machine (SVM). Seminar Nasional Sistem Informasi Dan Manajemen Informatika (SISMATIK), 01(01), 91–97. https://sismatik.nusaputra.ac.id/index.php/sismatik/article/view/13
Fadilah, W. R. U., Agfiannisa, D., & Azhar, Y. (2020). Analisis Prediksi Harga Saham PT. Telekomunikasi Indonesia Menggunakan Metode Support vector machine. Fountain of Informatics Journal, 5(2), 45. https://doi.org/10.21111/fij.v5i2.4449
Fathiarahma, A., Voutama, A., Ridwan, T., & Heryana, N. (2023). Analisis Text mining Klasifikasi Kegiatan Keluarga Menggunakan Orange dengan Metode Naive Bayes. Jurnal Teknologi Terpadu, 9(1), 35–41. https://doi.org/10.54914/jtt.v9i1.606
Fitri, D. A., & Putri, A. (2022). Analisis Sentimen Pengguna Aplikasi Google Meet Menggunakan Algoritma Support vector machine. Jurnal CoSciTech (Computer Science and Information Technology), 3(3), 472–478. https://doi.org/10.37859/coscitech.v3i3.4260
Ginting, E., Putri, S. E., & Sinaga, Z. Y. (2024). Analisis Keterkaitan Pemerintah Pusat dalam Peningkatan APBN dan APBD Tahun Anggaran 2023. Jurnal Ilmu Hukum Dan Sosial, 2(1), 91–99. https://doi.org/10.51903/hakim.v2i1.1545
Husada, H. C., & Paramita, A. S. (2021). Analisis Sentimen pada Maskapai Penerbangan di Platform Twitter Menggunakan Algoritma Support vector machine (SVM). Jurnal Teknika, 10(1), 18–26. https://doi.org/10.34148/teknika.v10i1.311
Husnaningtyas, N., & Dewayanto, T. (2023). Financial Fraud Detection and Machine learning Algorithm (Unsupervised Learning): Systematic Literature Review. Jurnal Riset Akuntansi Dan Bisnis Airlangga, 8(2), 1521–1542. https://doi.org/10.20473/jraba.v8i2.49927
Indriani, A. (2020). Analisa Perbandingan Metode Naïve Bayes Classifier dan K-Nearest Neighbor terhadap Klasifikasi Data. Sebatik, 24(1), 1–7. https://doi.org/10.46984/sebatik.v24i1.909
Indriyani, F. A., Fauzi, A., & Faisal, S. (2023). Analisis Sentimen Aplikasi Tiktok Menggunakan Algoritma Naïve Bayes dan Support vector machine. TEKNOSAINS : Jurnal Sains, Teknologi Dan Informatika, 10(2), 176–184. https://doi.org/10.37373/tekno.v10i2.419
Instruksi Presiden (Inpres) No. 1 Tahun 2025 Tentang Efisiensi Belanja dalam Pelaksanaan Anggaran Pendapatan dan Belanja Negara dan Anggaran Pendapatan dan Belanja Daerah Tahun Anggaran 2025. (2025). jdih.setneg.go.id
Jun, Z. (2021). The Development and Application of Support vector machine. Journal of Physics: Conference Series, 1748(5), 0–6. https://doi.org/10.1088/1742-6596/1748/5/052006
Kelvin, Banjarnahor, J., Indra, E., & Sinurat, S. H. (2022). Analisis Perbandingan Sentimen Corona Virus Disease-2019 (COVID19) pada Twitter Menggunakan Metode Logistic Regression dan Support vector machine (SVM). Jurnal Sistem Informasi Dan Ilmu Komputer Prima(JUSIKOM PRIMA), 5(2), 47–52. https://doi.org/10.34012/jurnalsisteminformasidanilmukomputer.v5i2.2365
Larasati, R. C., Dewi, C., & Christanto, H. J. (2024). Analisis Sentimen Produk Kecantikan Jenis Moisturizer di Twitter Menggunakan Algoritma Super Vector Machine. Jurnal Tekinkom, 7(1), 124–134. https://doi.org/10.37600/tekinkom.v7i1.1243
Manik, G., Ernawati, I., & Nurlaili, I. (2021). Analisis Sentimen pada Review Pengguna E-Commerce Bidang Pangan Menggunakan Metode Support vector machine (Studi Kasus: Review Sayurbox dan Tanihub pada Google Play). Prosiding Seminar Nasional Mahasiswa Ilmu Komputer Dan Aplikasinya (SENAMIKA), 2(2), 64–74. https://conference.upnvj.ac.id/index.php/senamika/article/view/1630
Maulaya, A. K., & Junadhi. (2022). Analisis Sentimen Menggunakan Support vector machine Masyarakat Indonesia Di Twitter Terkait Bjorka. Jurnal CoSciTech (Computer Science and Information Technology), 3(3), 495–500. https://doi.org/10.37859/coscitech.v3i3.4358
Namira Nur Az-Zahra, R., Rizqi Fitrialdi, M., Nurjanah, E., Darmawan, M., & Firmansyah, R. (2021). Analisis Sentimen Media Sosial Tiktok dengan Metode Supervised Learning pada Algoritma Machine learning. Jurnal Buffer Informatika, 7(1), 18–25. https://journal.uniku.ac.id/index.php/buffer
Nugroho, A. S., Witarto, A. B., & Handoko, D. (2011). Support vector machine: Teori dan Aplikasinya dalam Bioinformatika. Proceedings of the 2011 Chinese Control and Decision Conference, CCDC 2011, 842–847. https://doi.org/10.1109/CCDC.2011.5968300
Nurhalizah, R. S., Ardianto, R., & Purwono, P. (2024). Analisis Supervised dan Unsupervised Learning pada Machine learning: Systematic Literature Review. Jurnal Ilmu Komputer Dan Informatika, 4(1), 61–72. https://doi.org/10.54082/jiki.168
Nurkholifah, M., Jasmarizal, Umar, Y., & Rahmaddeni. (2023). Analisa Performa Algoritma Machine learning Dalam Prediksi Penyakit Liver. Jurnal Indonesia : Manajemen Informatika Dan Komunikasi, 4(1), 164–172. https://doi.org/10.35870/jimik.v4i1.149
Pamungkas, F. S., & Kharisudin, I. (2021). Analisis Sentimen dengan SVM, NAIVE BAYES dan KNN untuk Studi Tanggapan Masyarakat Indonesia terhadap Pandemi Covid-19 pada Media Sosial Twitter. Prosiding Seminar Nasional Matematika, 4, 1–7. https://journal.unnes.ac.id/sju/prisma/article/view/45038
Pratiwi, N., & Setyawan, Y. (2021). Analisis Akurasi dari Perbedaan Fungsi Kernel dan Cost pada Support vector machine Studi Kasus Klasifikasi Curah Hujan di Jakarta. Journal of Fundamental Mathematics and Applications (JFMA), 4(2), 203–212. https://doi.org/10.14710/jfma.v4i2.11691
Purnajaya, A. R., & Pernando, Y. (2023). Analisa Sentimen Informasi Hoaks Pasca Pandemi Covid-19 dengan Text mining. Journal of Computer System and Informatics (JoSYC), 4(3), 460–469. https://doi.org/10.47065/josyc.v4i3.3358
Puspitasari, D., & Sutabri, T. (2024). Analisis Sentimen Berdasarkan pada Twitter (X) terhadap Layanan Indihome Menggunakan Algoritma Support vector machine (SVM). Jurnal Manajemen Informatika Dan Bisnis Digital (JUMINTAL), 3(2), 58–71. https://doi.org/10.55123/jumintal.v3i2.4449
Putra, K. T., Hariyadi, M. A., & Crysdian, C. (2023). Perbandingan Feature Extraction TF-IDF dan BOW Untuk Analisis Sentimen Berbasis SVM. Jurnal Cahaya Mandalika, 3(2), 1449–1463. https://doi.org/https://doi.org/10.36312/jcm.v3i2
Rahman, O. H., Abdillah, G., & Komarudin, A. (2021). Klasifikasi Ujaran Kebencian pada Media Sosial Twitter Menggunakan Support vector machine. Jurnal Rekayasa Sistem Dan Teknologi Informasi, 5(1), 17–23. https://doi.org/10.29207/resti.v5i1.2700
Reviantika, F., Azhar, Y., & Marthasari, G. I. (2021). Analisis Klasifikasi SMS Spam Menggunakan Logistic Regression. Jurnal Sistem Cerdas, 3(4), 387–392. https://doi.org/10.37396/jsc.v4i3.166
Ridwansyah, T. (2022). Implementasi Text mining terhadap Analisis Sentimen Masyarakat Dunia di Twitter terhadap Kota Medan Menggunakan K-Fold Cross Validation dan Naïve Bayes Classifier. Jurnal KLIK: Kajian Ilmiah Informatika Dan Komputer, 2(5), 178–185. https://doi.org/10.30865/klik.v2i5.362
Rizky, G. M., Tanzil, V. J., Rafi, A., Pasara, D., & Tiasono, E. J. (2025). Dampak Efisiensi Anggaran pada ATR / BPN Kota Tangerang : Optimalisasi Layanan Pertanahan dan Iklim Investasi. Jurnal Sosial Dan Humaniora, 9(2), 326–342. https://doi.org/https://doi.org/10.37817/ikraith-humaniora.v9i2
Sabrila, T. S., Sari, V. R., & Minarno, A. E. (2021). Analisis Sentimen pada Tweet tentang Penanganan Covid-19 Menggunakan Word Embedding pada Algoritma Support vector machine dan K-Nearest Neighbor. Fountain of Informatics Journal, 6(2), 69. https://doi.org/10.21111/fij.v6i2.5536
Salam, R. R., Jamil, M. F., Ibrahim, Y., Rahmaddeni, R., Soni, S., & Herianto, H. (2023). Analisis Sentimen terhadap Bantuan Langsung Tunai (BLT) Bahan Bakar Minyak (BBM) Menggunakan Support vector machine. MALCOM: Indonesian Journal of Machine learning and Computer Science, 3(1), 27–35. https://doi.org/10.57152/malcom.v3i1.590
Sang, A. I., Sutoyo, E., & Darmawan, I. (2021). Analisis Data Mining untuk Klasifikasi Data Kualitas Udara DKI Jakarta Menggunakan Algoritma Decision Tree Dan Support vector machine. E-Proceeding of Engineering, 8(5),8954–8963. https://openlibrarypublications.telkomuniversity.ac.id/index.php/engineering/article/view/15900
Santoso, P., Abijono, H., & Anggreini, N. L. (2021). Algoritma Supervised Learning dan Unsupervised Learning dalam Pengolahan Data. Jurnal Teknologi Terapan: G-Tech, 4(2), 315–318. https://doi.org/10.33379/gtech.v4i2.635
Sitorus, Y. W., Sukarno, P., & Mandala, S. (2021). Analisis Deteksi Malware Android Menggunakan Metode Support vector machine & Random Forest. E-Proceeding of Engineering, 8(6), 12500–12518. https://openlibrarypublications.telkomuniversity.ac.id/ind
Suh, Y. S., Shin, S. K., Baang, D., Seo, S. M., & Lee, J. B. (2021). A Brief Review of Linear Support vector machine for Machine learning Programming. Transactions of the Korean Nuclear Society Virtual Spring Meeting, 3, 13–15. https://doi.org/10.1007/978-3-319-41063-0_4
Yassin, B., Mohamed, C., & Al-Amrani, Y. (2021). A Nonlinear Support vector machine Analysis Using Kernel Functions for Nature and Medicine. E3S Web of Conferences, 319, 1–5. https://doi.org/10.1051/e3sconf/202131901103
Yul, H. (2025). Efisiensi Anggaran dalam Evaluasi Pembangunan: Analisis Fungsi Organisasi BPKAD NTB, Opini Publik di Media Sosial X dan Rekomendasi Kebijakan. 8(1), 109–124. https://doi.org/http://dx.doi.org/10.35914/jemma.v8i1.3168
Amrozi, Y., Yuliati, D., Susilo, A., Novianto, N., & Ramadhan, R. (2022). Klasifikasi Jenis Buah Pisang Berdasarkan Citra Warna dengan Metode SVM. Jurnal Sisfokom (Sistem Informasi Dan Komputer), 11(3), 394–399. https://doi.org/10.32736/sisfokom.v11i3.1502
Anwar, K. (2022). Analisa sentimen Pengguna Instagram Di Indonesia Pada Review Smartphone Menggunakan Naive Bayes. KLIK: Kajian Ilmiah Informatika Dan Komputer, 2(4), 148–155. https://doi.org/10.30865/klik.v2i4.315
Bei, F., & Sudin, S. (2021). Analisis Sentimen Aplikasi Tiket Online di Play Store Menggunakan Metode Support vector machine (SVM). Seminar Nasional Sistem Informasi Dan Manajemen Informatika (SISMATIK), 01(01), 91–97. https://sismatik.nusaputra.ac.id/index.php/sismatik/article/view/13
Fadilah, W. R. U., Agfiannisa, D., & Azhar, Y. (2020). Analisis Prediksi Harga Saham PT. Telekomunikasi Indonesia Menggunakan Metode Support vector machine. Fountain of Informatics Journal, 5(2), 45. https://doi.org/10.21111/fij.v5i2.4449
Fathiarahma, A., Voutama, A., Ridwan, T., & Heryana, N. (2023). Analisis Text mining Klasifikasi Kegiatan Keluarga Menggunakan Orange dengan Metode Naive Bayes. Jurnal Teknologi Terpadu, 9(1), 35–41. https://doi.org/10.54914/jtt.v9i1.606
Fitri, D. A., & Putri, A. (2022). Analisis Sentimen Pengguna Aplikasi Google Meet Menggunakan Algoritma Support vector machine. Jurnal CoSciTech (Computer Science and Information Technology), 3(3), 472–478. https://doi.org/10.37859/coscitech.v3i3.4260
Ginting, E., Putri, S. E., & Sinaga, Z. Y. (2024). Analisis Keterkaitan Pemerintah Pusat dalam Peningkatan APBN dan APBD Tahun Anggaran 2023. Jurnal Ilmu Hukum Dan Sosial, 2(1), 91–99. https://doi.org/10.51903/hakim.v2i1.1545
Husada, H. C., & Paramita, A. S. (2021). Analisis Sentimen pada Maskapai Penerbangan di Platform Twitter Menggunakan Algoritma Support vector machine (SVM). Jurnal Teknika, 10(1), 18–26. https://doi.org/10.34148/teknika.v10i1.311
Husnaningtyas, N., & Dewayanto, T. (2023). Financial Fraud Detection and Machine learning Algorithm (Unsupervised Learning): Systematic Literature Review. Jurnal Riset Akuntansi Dan Bisnis Airlangga, 8(2), 1521–1542. https://doi.org/10.20473/jraba.v8i2.49927
Indriani, A. (2020). Analisa Perbandingan Metode Naïve Bayes Classifier dan K-Nearest Neighbor terhadap Klasifikasi Data. Sebatik, 24(1), 1–7. https://doi.org/10.46984/sebatik.v24i1.909
Indriyani, F. A., Fauzi, A., & Faisal, S. (2023). Analisis Sentimen Aplikasi Tiktok Menggunakan Algoritma Naïve Bayes dan Support vector machine. TEKNOSAINS : Jurnal Sains, Teknologi Dan Informatika, 10(2), 176–184. https://doi.org/10.37373/tekno.v10i2.419
Instruksi Presiden (Inpres) No. 1 Tahun 2025 Tentang Efisiensi Belanja dalam Pelaksanaan Anggaran Pendapatan dan Belanja Negara dan Anggaran Pendapatan dan Belanja Daerah Tahun Anggaran 2025. (2025). jdih.setneg.go.id
Jun, Z. (2021). The Development and Application of Support vector machine. Journal of Physics: Conference Series, 1748(5), 0–6. https://doi.org/10.1088/1742-6596/1748/5/052006
Kelvin, Banjarnahor, J., Indra, E., & Sinurat, S. H. (2022). Analisis Perbandingan Sentimen Corona Virus Disease-2019 (COVID19) pada Twitter Menggunakan Metode Logistic Regression dan Support vector machine (SVM). Jurnal Sistem Informasi Dan Ilmu Komputer Prima(JUSIKOM PRIMA), 5(2), 47–52. https://doi.org/10.34012/jurnalsisteminformasidanilmukomputer.v5i2.2365
Larasati, R. C., Dewi, C., & Christanto, H. J. (2024). Analisis Sentimen Produk Kecantikan Jenis Moisturizer di Twitter Menggunakan Algoritma Super Vector Machine. Jurnal Tekinkom, 7(1), 124–134. https://doi.org/10.37600/tekinkom.v7i1.1243
Manik, G., Ernawati, I., & Nurlaili, I. (2021). Analisis Sentimen pada Review Pengguna E-Commerce Bidang Pangan Menggunakan Metode Support vector machine (Studi Kasus: Review Sayurbox dan Tanihub pada Google Play). Prosiding Seminar Nasional Mahasiswa Ilmu Komputer Dan Aplikasinya (SENAMIKA), 2(2), 64–74. https://conference.upnvj.ac.id/index.php/senamika/article/view/1630
Maulaya, A. K., & Junadhi. (2022). Analisis Sentimen Menggunakan Support vector machine Masyarakat Indonesia Di Twitter Terkait Bjorka. Jurnal CoSciTech (Computer Science and Information Technology), 3(3), 495–500. https://doi.org/10.37859/coscitech.v3i3.4358
Namira Nur Az-Zahra, R., Rizqi Fitrialdi, M., Nurjanah, E., Darmawan, M., & Firmansyah, R. (2021). Analisis Sentimen Media Sosial Tiktok dengan Metode Supervised Learning pada Algoritma Machine learning. Jurnal Buffer Informatika, 7(1), 18–25. https://journal.uniku.ac.id/index.php/buffer
Nugroho, A. S., Witarto, A. B., & Handoko, D. (2011). Support vector machine: Teori dan Aplikasinya dalam Bioinformatika. Proceedings of the 2011 Chinese Control and Decision Conference, CCDC 2011, 842–847. https://doi.org/10.1109/CCDC.2011.5968300
Nurhalizah, R. S., Ardianto, R., & Purwono, P. (2024). Analisis Supervised dan Unsupervised Learning pada Machine learning: Systematic Literature Review. Jurnal Ilmu Komputer Dan Informatika, 4(1), 61–72. https://doi.org/10.54082/jiki.168
Nurkholifah, M., Jasmarizal, Umar, Y., & Rahmaddeni. (2023). Analisa Performa Algoritma Machine learning Dalam Prediksi Penyakit Liver. Jurnal Indonesia : Manajemen Informatika Dan Komunikasi, 4(1), 164–172. https://doi.org/10.35870/jimik.v4i1.149
Pamungkas, F. S., & Kharisudin, I. (2021). Analisis Sentimen dengan SVM, NAIVE BAYES dan KNN untuk Studi Tanggapan Masyarakat Indonesia terhadap Pandemi Covid-19 pada Media Sosial Twitter. Prosiding Seminar Nasional Matematika, 4, 1–7. https://journal.unnes.ac.id/sju/prisma/article/view/45038
Pratiwi, N., & Setyawan, Y. (2021). Analisis Akurasi dari Perbedaan Fungsi Kernel dan Cost pada Support vector machine Studi Kasus Klasifikasi Curah Hujan di Jakarta. Journal of Fundamental Mathematics and Applications (JFMA), 4(2), 203–212. https://doi.org/10.14710/jfma.v4i2.11691
Purnajaya, A. R., & Pernando, Y. (2023). Analisa Sentimen Informasi Hoaks Pasca Pandemi Covid-19 dengan Text mining. Journal of Computer System and Informatics (JoSYC), 4(3), 460–469. https://doi.org/10.47065/josyc.v4i3.3358
Puspitasari, D., & Sutabri, T. (2024). Analisis Sentimen Berdasarkan pada Twitter (X) terhadap Layanan Indihome Menggunakan Algoritma Support vector machine (SVM). Jurnal Manajemen Informatika Dan Bisnis Digital (JUMINTAL), 3(2), 58–71. https://doi.org/10.55123/jumintal.v3i2.4449
Putra, K. T., Hariyadi, M. A., & Crysdian, C. (2023). Perbandingan Feature Extraction TF-IDF dan BOW Untuk Analisis Sentimen Berbasis SVM. Jurnal Cahaya Mandalika, 3(2), 1449–1463. https://doi.org/https://doi.org/10.36312/jcm.v3i2
Rahman, O. H., Abdillah, G., & Komarudin, A. (2021). Klasifikasi Ujaran Kebencian pada Media Sosial Twitter Menggunakan Support vector machine. Jurnal Rekayasa Sistem Dan Teknologi Informasi, 5(1), 17–23. https://doi.org/10.29207/resti.v5i1.2700
Reviantika, F., Azhar, Y., & Marthasari, G. I. (2021). Analisis Klasifikasi SMS Spam Menggunakan Logistic Regression. Jurnal Sistem Cerdas, 3(4), 387–392. https://doi.org/10.37396/jsc.v4i3.166
Ridwansyah, T. (2022). Implementasi Text mining terhadap Analisis Sentimen Masyarakat Dunia di Twitter terhadap Kota Medan Menggunakan K-Fold Cross Validation dan Naïve Bayes Classifier. Jurnal KLIK: Kajian Ilmiah Informatika Dan Komputer, 2(5), 178–185. https://doi.org/10.30865/klik.v2i5.362
Rizky, G. M., Tanzil, V. J., Rafi, A., Pasara, D., & Tiasono, E. J. (2025). Dampak Efisiensi Anggaran pada ATR / BPN Kota Tangerang : Optimalisasi Layanan Pertanahan dan Iklim Investasi. Jurnal Sosial Dan Humaniora, 9(2), 326–342. https://doi.org/https://doi.org/10.37817/ikraith-humaniora.v9i2
Sabrila, T. S., Sari, V. R., & Minarno, A. E. (2021). Analisis Sentimen pada Tweet tentang Penanganan Covid-19 Menggunakan Word Embedding pada Algoritma Support vector machine dan K-Nearest Neighbor. Fountain of Informatics Journal, 6(2), 69. https://doi.org/10.21111/fij.v6i2.5536
Salam, R. R., Jamil, M. F., Ibrahim, Y., Rahmaddeni, R., Soni, S., & Herianto, H. (2023). Analisis Sentimen terhadap Bantuan Langsung Tunai (BLT) Bahan Bakar Minyak (BBM) Menggunakan Support vector machine. MALCOM: Indonesian Journal of Machine learning and Computer Science, 3(1), 27–35. https://doi.org/10.57152/malcom.v3i1.590
Sang, A. I., Sutoyo, E., & Darmawan, I. (2021). Analisis Data Mining untuk Klasifikasi Data Kualitas Udara DKI Jakarta Menggunakan Algoritma Decision Tree Dan Support vector machine. E-Proceeding of Engineering, 8(5),8954–8963. https://openlibrarypublications.telkomuniversity.ac.id/index.php/engineering/article/view/15900
Santoso, P., Abijono, H., & Anggreini, N. L. (2021). Algoritma Supervised Learning dan Unsupervised Learning dalam Pengolahan Data. Jurnal Teknologi Terapan: G-Tech, 4(2), 315–318. https://doi.org/10.33379/gtech.v4i2.635
Sitorus, Y. W., Sukarno, P., & Mandala, S. (2021). Analisis Deteksi Malware Android Menggunakan Metode Support vector machine & Random Forest. E-Proceeding of Engineering, 8(6), 12500–12518. https://openlibrarypublications.telkomuniversity.ac.id/ind
Suh, Y. S., Shin, S. K., Baang, D., Seo, S. M., & Lee, J. B. (2021). A Brief Review of Linear Support vector machine for Machine learning Programming. Transactions of the Korean Nuclear Society Virtual Spring Meeting, 3, 13–15. https://doi.org/10.1007/978-3-319-41063-0_4
Yassin, B., Mohamed, C., & Al-Amrani, Y. (2021). A Nonlinear Support vector machine Analysis Using Kernel Functions for Nature and Medicine. E3S Web of Conferences, 319, 1–5. https://doi.org/10.1051/e3sconf/202131901103
Yul, H. (2025). Efisiensi Anggaran dalam Evaluasi Pembangunan: Analisis Fungsi Organisasi BPKAD NTB, Opini Publik di Media Sosial X dan Rekomendasi Kebijakan. 8(1), 109–124. https://doi.org/http://dx.doi.org/10.35914/jemma.v8i1.3168
Published
2026-04-13
How to Cite
Nursya’bani, N., Ruliana, & Aidid, M. K. (2026). APPLICATION OF SVM FOR SENTIMENT ANALYSIS REGARDING THE EFFICIENCY OF APBN AND APBD IN 2025. VARIANSI: Journal of Statistics and Its Application on Teaching and Research, 8(1), 83-95. https://doi.org/10.35580/variansiunm512
Issue
Section
Articles
