Stance classification dalam isu pembangunan IKN menggunakan SVM dan Indosbert

Isu pembangunan Ibu Kota Nusantara (IKN) menjadi perhatian utama dalam kebijakan publik pemerintahan di Indonesia. Perpindahan ibu kota dan pembangunan ibu kota baru diharapkan dapat mendukung pemerataan pembangunan dan meningkatkan kualitas hidup masyarakat. Namun, di balik harapan tersebut, terdapat beragam pandangan dan keberpihakan pendapat yang muncul dalam masyarakat. Penelitian ini bertujuan untuk melakukan stance detection dan klasifikasi terhadap isu pembangunan IKN dengan memanfaatkan algoritma Support Vector Machine (SVM) dan model bahasa IndoSBERT. Model IndoSBERT digunakan untuk menghasilkan embedding teks dari tweet terkait IKN, yang kemudian diolah menggunakan SVM untuk stance classification. Stance classification dibagi menjadi tiga kelas, yaitu Mendukung, Netral, dan Menolak. Proses augmentasi data dilakukan untuk menyeimbangkan distribusi kelas, menghasilkan 464 tweet per kelas, sebelum ekstraksi fitur menggunakan IndoSBERT. Hasil evaluasi menunjukkan bahwa model SVM dengan konfigurasi validasi silang 7-fold (K=7) mencapai performa terbaik, dengan akurasi per fold mencapai 72% - 79% dan akurasi rata-rata sebesar 75%, F1-score sebesar 75%. Hasil ini menegaskan bahwa pendekatan berbasis IndoSBERT dan SVM efektif untuk mengklasifikasikan sikap masyarakat terhadap IKN.