Analisis Sentimen Publik terhadap Pembentukan Danantara dengan Pendekatan VADER: Sebuah Studi Berbasis Media Sosial X

Authors

  • Fadilatul Hilmiyah Politeknik Keuangan Negara STAN
  • Dina Damalia Politeknik Keuangan Negara STAN
  • Aldy Hermansyah Politeknik Keuangan Negara STAN

Keywords:

Analisis Sentimen, Kebijakan Publik, Lexicon Based

Abstract

Penelitian ini bertujuan untuk menganalisis dan memahami sentimen publik terhadap kebijakan pembentukan Danantara. Metode penelitian yang digunakan adalah Lexicon Based dengan pendekatan VADER untuk melakukan analisis dan klasifikasi sentimen publik. Dengan menggunakan data tweet dari media sosial X dan melalui tahapan crawling data, preprocessing, Labelling data, dan visualization, penelitian ini menganalisis 420 data tweet. Hasil penelitian menunjukkan dominasi sentimen positif sebesar 53% yang mencerminkan optimisme publik terhadap potensi Danantara, tetapi juga dipengaruhi oleh tweet bersifat netral dari akun berita dan akun resmi pemerintah, serta 47% sentimen negatif didasarkan atas kekhawatiran masyarakat khususnya dalam transparansi tata kelola dan kebermanfaatan Danantara untuk masyarakat. Hasil analisis didukung visualisasi word cloud yang menunjukkan dominasi kata "investor," "uang," "penting," "aksi," dan "BUMN" pada sentimen positif, serta kata "korupsi,", "ekonomi”, “transparan”, dan "kelola" pada sentimen negatif.

References

Effects of Corporate Brand Symbolism on Consumer Satisfaction and Loyalty: Evidence from Australia. Asia Pacific Journal of Marketing and Logistics, 28(3), 481-498.

Agustine, J. (2023, 10 Oktober). Pakar UGM ungkap dampak positif dan negatif kemunculan Danantara. Universitas Gadjah Mada. https://ugm.ac.id/id/berita/pakar-ugm-ungkap-dampak-positif-dan-negatif-kemunculan-danantar/

Alaei, A. R., Becken, S., & Stantic, B. (2019). Sentiment analysis in tourism: capitalizing on big data. Journal of Travel Research, 58(2), 175–191. https://doi.org/10.1177/0047287517747753

Aminullah, Z., Arifianto, D., & Al Faruq, H. A. (2024). Lexicon-Based Approach Pada Analisis Sentimen Ulasan Airbnb Menggunakan Vader Sentiment. Jurnal Smart Teknologi, 5(4), 558–566.

Awajan, I., Mohamad, M., & Al-Quran, A. (2021). Sentiment analysis technique and neutrosophic set theory for mining and ranking big data from online reviews. IEEE Access, 9, 47338–47353. https://doi.org/10.1109/ACCESS.2021.3067844

Fathoni, M. F. N., Puspaningrum, E. Y., & Sihananto, A. N. (2024). Perbandingan Performa Labeling Lexicon InSet dan VADER pada Analisa Sentimen Rohingya di Aplikasi X dengan SVM. Modem: Jurnal Informatika dan Sains Teknologi, 2(3), 62–76. https://doi.org/10.62951/modem.v2i3.112

Fauziah, N. (2024). Analisis Sentimen Publik Terhadap Kenaikan Tarif PPN di Indonesia dengan Pendekatan VADER. Jurnal Akuntansi dan Keuangan, 12(2), 228–238. https://doi.org/10.29103/jak.v12i2.16796

Huda, C., & Betty Yel, M. (2024). Analisa Sentimen Tentang Ibu Kota Nusantara (IKN) Dengan Menggunakan Algoritma K-Nearest Neighbors (KNN) dan Naïve Bayes. Jurnal Ilmu Komputer dan Sistem Informasi (JIKOMSI), 7(1), 126–130. https://doi.org/10.55338/jikomsi.v7i1.2846

Hutto, C., & Gilbert, E. (2014). VADER: A Parsimonious Rule-Based Model for Sentiment Analysis of Social Media Text. Proceedings of the International AAAI Conference on Web and Social Media, 8(1), 216–225. https://doi.org/10.1609/icwsm.v8i1.14550

Isnan, M., Elwirehardja, G. N., & Pardamean, B. (2023). Sentiment analysis for TikTok review using VADER sentiment and SVM model. Procedia Computer Science, 227, 168–175. https://doi.org/10.1016/j.procs.2023.10.514

Prasetyo, V. R., Erlangga, G., & Prima, D. A. (2023). Analisis sentimen untuk identifikasi bantuan korban bencana alam berdasarkan data di Twitter menggunakan metode Kmeans dan Naïve Bayes. Jurnal Teknologi Informasi dan Ilmu Komputer (JTIIK), 10(5), 1055–1062. https://doi.org/10.25126/jtiik.20231057077

Qi, Y., & Shabrina, Z. (2023). Sentiment analysis using Twitter data: a comparative application of lexicon-and machine-learning-based approach. Social Network Analysis and Mining, 13(1), 31. https://doi.org/10.1007/s13278-023-01030-x

Sumanjaya, A. A. A., Indriati, I., & Ridok, A. (2022). Analisis Sentimen Data Tweets terhadap Penanganan Covid-19 di Indonesia menggunakan Metode Naive Bayes dan Pemilihan Kata Bersentimen menggunakan Lexicon Based. Jurnal Pengembangan Teknologi Informasi dan Ilmu Komputer, 6(4), 1865–1872. https://j-ptiik.ub.ac.id/index.php/j-ptiik/article/view/10941

Sumitro, P. A., Mulyana, D. I., & Saputro, W. (2021). Analisis Sentimen Terhadap Vaksin Covid-19 di Indonesia pada Twitter Menggunakan Metode Lexicon Based. Jurnal Informatika dan Teknologi Komputer (J-ICOM), 2(2), 50–56. https://doi.org/10.33059/j-icom.v2i2.4009

Tupari, T., Abdullah, S., & Chairani, C. (2023). Visualisasi Data Analisa Sentimen RUU Omnibus Law Kesehatan Menggunakan KNN dengan Software RapidMiner. Jurnal Informatika: Jurnal Pengembangan IT, 8(3), 261–268. https://doi.org/10.30591/jpit.v8i3.5641

Zen, B. P., Wicaksana, D., & Alfidzar, H. (2022). Analisis Sentimen Tweet Vaksin Covid 19 Sinovac Menggunakan Metode Support Vector Machine. Jurnal Data Mining dan Sistem Informasi, 3, 21–27. https://doi.org/10.33365/jdmsi.v3i2.1926

Downloads

Published

2025-12-31

How to Cite

Hilmiyah, F. ., Damalia, D. ., & Hermansyah, A. . (2025). Analisis Sentimen Publik terhadap Pembentukan Danantara dengan Pendekatan VADER: Sebuah Studi Berbasis Media Sosial X. JURNAL ACITYA ARDANA, 5(2), 115–130. Retrieved from https://jurnal.pknstan.ac.id/index.php/JAA/article/view/3310

Issue

Vol. 5 No. 2 (2025): Desember 2025 (INPRESS)

Section

Articles

License

Copyright (c) 2026 Fadilatul Hilmiyah, Dina Damalia, Aldy Hermansyah

Creative Commons License

This work is licensed under a Creative Commons Attribution 4.0 International License.

Authors who publish with this journal agree to the following terms:

  1. Authors retain copyright and grant the journal right of first publication with the work simultaneously licensed under a Creative Commons Attribution License that allows others to share the work with an acknowledgement of the work's authorship and initial publication in this journal.
  2. Authors are able to enter into separate, additional contractual arrangements for the non-exclusive distribution of the journal's published version of the work (e.g., post it to an institutional repository or publish it in a book), with an acknowledgement of its initial publication in this journal.
  3. Authors are permitted and encouraged to post their work online (e.g., in institutional repositories or on their website) prior to and during the submission process, as it can lead to productive exchanges, as well as earlier and greater citation of published work.