Analisis Sentimen Masyarakat terhadap Profesionalisme Generasi Z di Dunia Kerja Menggunakan Support Vector Machine (SVM)

Bulan Kirana  Subrata; Yuwan Jumaryadi; Febryo Ponco  Sulistyo; Sarwati  Rahayu

doi:10.58602/jaiti.v4i2.279

Bulan Kirana Subrata Universitas Mercu Buana
Yuwan Jumaryadi ^{(Corresponding Author)} Universitas Mercu Buana
Febryo Ponco Sulistyo Universitas Mercu Buana
Sarwati Rahayu Universitas Mercu Buana

DOI: https://doi.org/10.58602/jaiti.v4i2.279

Keywords: Analisis Sentimen, Generasi Z, Profesionalisme Kerja, Support Vector Machine, Media Sosial X

Abstract

Generasi Z yang lahir pada rentang tahun 1997–2012 telah menjadi bagian penting dari angkatan kerja modern. Karakteristik generasi ini yang berbeda dibandingkan generasi sebelumnya sering memunculkan berbagai persepsi dan diskusi terkait profesionalisme di lingkungan kerja, terutama melalui media sosial. Penelitian ini bertujuan untuk menganalisis sentimen masyarakat Indonesia terhadap profesionalisme Generasi Z di dunia kerja berdasarkan data yang diperoleh dari platform X. Dataset penelitian terdiri atas 2.095 tweet yang dikumpulkan melalui proses crawling. Pelabelan sentimen dilakukan menggunakan pendekatan berbasis leksikon yang menghasilkan 1.092 tweet (52,12%) berkategori negatif, 855 tweet (40,81%) berkategori positif, dan 145 tweet (6,92%) berkategori netral. Hasil tersebut menunjukkan bahwa persepsi masyarakat terhadap profesionalisme Generasi Z cenderung didominasi oleh sentimen negatif. Selanjutnya, data diproses melalui tahapan text preprocessing dan ekstraksi fitur menggunakan metode Term Frequency–Inverse Document Frequency (TF-IDF), kemudian diklasifikasikan menggunakan algoritma Support Vector Machine (SVM) dengan tiga skenario pembagian data, yaitu 70:30, 80:20, dan 90:10. Hasil pengujian menunjukkan bahwa model SVM memperoleh performa terbaik pada rasio pembagian data 90:10 dengan nilai akurasi sebesar 69,52%, presisi 66%, dan recall 70%. Temuan penelitian ini memberikan gambaran empiris mengenai persepsi publik terhadap profesionalisme Generasi Z di dunia kerja serta menunjukkan bahwa SVM mampu digunakan untuk mengklasifikasikan sentimen pada data media sosial dengan tingkat performa yang cukup baik.

Downloads

Download data is not yet available.

References

U. Salamah, Y. Jumaryadi, and B. Priambodo, “EDUKASI PENGOLAHAN DATA STATISTIK MENGGUNAKAN EXCEL UNTUK STAFF DAN GURU SD,” J. Pasopati, vol. 5, no. 1, pp. 44–50, 2023.

R. I. Kesuma and A. Iqbal, “Penerapan Content-Boosted Collaborative Filtering untuk Meningkatkan Kemampuan Sistem Rekomendasi Penyedia Jasa Acara Pernikahan,” J. Ilm. FIFO, vol. 12, no. 1, p. 112, 2020, doi: 10.22441/fifo.2020.v12i1.009.

Y. Jumaryadi, R. Fajriah, U. Salamah, B. Priambodo, and A. Lystha, “Machine Learning Approaches to Sentiment Analysis of Mental Health Discussions on Platform X,” PIKSEL Penelit. Ilmu Komput. Sist. Embed. Log., vol. 13, no. 2, pp. 235–246, 2025, doi: 10.33558/piksel.v13i2.11350.

Y. Jumaryadi, R. Meiyanti, R. Fajriah, A. N. Mahsyar, and P. S. Anggraeni, “Implementasi Algoritma Random Forest untuk Analisis Sentimen Ulasan Pengguna Aplikasi Merdeka Mengajar,” Bull. Comput. Sci. Res., vol. 5, no. 4, pp. 813–820, 2025, doi: 10.47065/bulletincsr.v5i4.530.

L. Afuan, N. Hidayat, and S. Nurhayati, “Aplikasi untuk Mengenerate dan Pengiriman Sertifikat Webinar di Masa Pandemi Corona Virus Disease 19,” J. Teknol. Inf. dan Ilmu Komput., vol. 8, no. 4, p. 735, 2021, doi: 10.25126/jtiik.2021844984.

S. Kemp, “Digital 2025: Indonesia,” DataReportal – Global Digital Insights. Accessed: Jan. 01, 2026. [Online]. Available: https://datareportal.com/reports/digital-2025-indonesia

M. D. Al Fahreza, A. Luthfiarta, M. Rafid, and M. Indrawan, “Analisis Sentimen: Pengaruh Jam Kerja Terhadap Kesehatan Mental Generasi Z,” J. Appl. Comput. Sci. Technol., vol. 5, no. 1, pp. 16–25, 2024.

P. K. Putri, “GEN Z DI DUNIA KERJA: Kepribadian dan Motivasi Jadi Penentu Produktivitas Kerja,” Akad. J. Mhs. Ekon. Bisnis, vol. 4, no. 1, pp. 30–38, 2024, doi: 10.37481/jmeb.v4i1.650.

E. C. D. A. Nanda, “Benarkah Gen Z Problematik di Dunia Kerja?,” GoodStats. Accessed: Feb. 02, 2026. [Online]. Available: https://goodstats.id/article/gen-z-problematik-di-dunia-kerja-benarkah-iQzMV

L. Hakim, M. V. Dalimunthe, C. Danuputri, and D. Widyaningrum, “Sentimen Analisis Mengenai Polusi Udara Menggunakan Algoritma Support Vector Machine dan Random Forest,” J. Ilm. FIFO, vol. 15, no. 2, pp. 91–101, 2023, doi: 10.22441/fifo.2023.v15i2.001.

S. Sandiwarno, D. I. Sensuse, H. Budi Santoso, D. Sumirat Hidayat, and A. S. Nyamawe, “SEMAR: A Multi-Task Term Weighting Approach for Sentiment and Emotion-Based E-Learning Users’ Satisfaction Analysis,” IEEE Access, vol. 13, no. September, pp. 187584–187601, 2025, doi: 10.1109/ACCESS.2025.3627657.

S. N. Awwal and D. Gunawan, “Analisis sentimen terhadap kompetensi kerja generasi z menggunakan model naive bayes,” JIPI (Jurnal Ilm. Penelit. dan Pembelajaran Inform., vol. 10, no. 4, pp. 4123–4134, 2025.

N. Zelina and A. Afiyati, “Analisis Sentimen Ulasan Pengguna Aplikasi M-Banking Menggunakan Algoritma Support Vector Machine dan Decision Tree,” J. Linguist. Komputasional, vol. 7, no. 1, pp. 31–37, 2024, doi: 10.26418/jlk.v7i1.169.

K. A. Qureshi, R. A. S. Malick, M. Sabih, and H. Cherifi, “Deception detection on social media: A source-based perspective,” Knowledge-Based Syst., vol. 256, p. 109649, 2022, doi: 10.1016/j.knosys.2022.109649.

T. H. Pinem and Z. P. Putra, “Evaluasi Kinerja Algoritma Klasifikasi Deep Learning dalam Prediksi Diabetes,” J. Ilm. FIFO, vol. 17, no. 1, p. 17, 2025, doi: 10.22441/fifo.2025.v17i1.003.

R. Ramlan, N. Satyahadewi, and W. Andani, “Analisis Sentimen Pengguna Twitter Menggunakan Support Vector Machine Pada Kasus Kenaikan Harga BBM,” Jambura J. Math., vol. 5, no. 2, pp. 431–445, 2023, doi: 10.34312/jjom.v5i2.20860.

D. A. TARIGAN, Z. Situmorang, and R. Rosnelly, “Analisis Sentimen Aplikasi Playstore Sirekap 2024 Pasca Pilpres Dengan Perbandingan Metode Support Vector Machine (SVM), Naïve Bayes Classifier Dan Random Forest.,” J. Teknol. Inf. dan Ilmu Komput., vol. 12, no. 3, pp. 661–670, 2025, doi: 10.25126/jtiik.22025129608.

M. F. A. Shidiq and D. Alita, “Analisis Sentimen Masyarakat Terhadap Kasus Judi Online Menggunakan Data dari Media Sosial X Pendekatan Naive Bayes dan SVM,” J. Sist. Inf. dan Inform., vol. 8, no. 1, pp. 24–35, 2025.

E. S. Aritonang and Y. Jumaryadi, “Analisis Sentimen Ulasan Pengguna QRIS pada Aplikasi GoPay : Studi Komparatif Algoritma Support Vector Machine dan Decision Tree Berbasis TF – IDF,” TIN Terap. Inform. Nusant., vol. 6, no. 12, pp. 2323–2330, 2026, doi: 10.47065/tin.v6i12.9582.