ANALISIS SENTIMEN MASYARAKAT TERHADAP FITUR FACE RECOGNITION PADA BOARDING GATE PT KAI MENGGUNAKAN MODEL RoBERTa DAN METODE SUPPORT VECTOR MACHINE (SVM)
Keywords:
Analisis Sentimen, Face Recognition KAI, RoBERTa, Support Vector Machine (SVM)
Abstract
Penerapan fitur face recognition pada proses boarding gate PT Kereta Api Indonesia (PT KAI) menimbulkan beragam tanggapan dari masyarakat, baik pada media sosial maupun pada ulasan aplikasi KAI Access. Penelitian ini bertujuan untuk mengidentifikasi dan menganalisis sentimen masyarakat terhadap penerapan fitur face recognition boarding gate PT KAI berdasarkan data Twitter dan Google Play Store, menerapkan model RoBERTa untuk pelabelan data teks berbahasa Indonesia serta menguji kinerja algoritma Support Vector Machine (SVM) dalam mengklasifikasikan sentimen, dan menghasilkan visualisasi grafik terkait hasil sentimen. Data penelitian dari proses pengumpulan dua platform Twitter dan ulasan Google Play Store, menghasilkan data sebanyak 1.917 teks, yang kemudian dibagi menjadi 1.533 data latih dan 384 data uji pembagian 80:20. Tahapan penelitian meliputi pengumpulan data, preprocessing teks, pelabelan otomatis menggunakan model RoBERTa, penyeimbangan kelas pada data latih, serta pelatihan dan pengujian model SVM. Hasil evaluasi menunjukkan bahwa model SVM mencapai akurasi sebesar 0,9219 atau sekitar 92%, yang menunjukkan performa klasifikasi sentimen positif, netral, dan negatif berjalan sangat baik.
References
Alpaydin, E. (2020) Introduction to machine learning. 4th edn. Cambridge, MA: MIT Press.
Amriza, R.N.S. and Supriyadi, D. (2021) ‘Komparasi metode machine learning dan deep learning untuk deteksi emosi pada teks di sosial media’, Jurnal JUPITER, 13(2), pp. 130–139.
Antaranews (2025) KAI terapkan teknologi face recognition untuk proses boarding penumpang. [Online]. Tersedia pada: https://www.antaranews.com/berita/4741057/kai-teknologi-face-recognition-permudah-proses-masuk [Diakses pada: 5 September 2025]
Authme (2023) Memahami teknologi face recognition dan penerapannya. [Online]. Tersedia pada: https://authme.com/id/blog/understanding-face-recognition [Diakses pada: 12 September 2025]
Damanhuri, R. and Husein, V.A. (2024) ‘Analisis sentimen pada ulasan aplikasi Access by KAI berbahasa Indonesia menggunakan word embedding dan classical machine learning’, Jurnal Masyarakat Informatika, 15(2), pp. 97–106.
Ependi, U., Aprilia, D. and Derbyandika, S. (2024) ‘Kepuasan penumpang terhadap face recognition boarding pass di Stasiun Madiun menggunakan metode SERVQUAL’, Jurnal Teknik Informatika, 18(3), pp. 200–210.
Fachrudin, M.F., Angkoso, C.V. and Fatah, D.A. (2024) ‘Analisis sentimen pada sosial media Twitter terhadap kualitas jaringan internet Telkomsel menggunakan ensemble K-Nearest Neighbour–Support Vector Machine’, Jurnal Pengembangan Teknologi Informasi dan Ilmu Komputer, 11(6), pp. 1253–1264.
Fauziyyah, A.K. and Gautama, D.H. (2020) ‘Analisis sentimen pandemi Covid-19 pada streaming Twitter dengan text mining Python’, Jurnal Ilmiah SINUS, 18(2), pp. 31–42. doi: 10.30646/sinus.v18i2.491.
Fikri, W.A., Fhazrel, F.P. and Fahmi, R.A. (2018) ‘Analisis kepuasan pelanggan PT Kereta Api Indonesia (Persero)’, Jurnal Ilmu Manajemen, 5(2), pp. 101–110.
Fitriyana, V., Hakim, L., Novitasari, D.C.R. and Asyhar, A.H. (2023) ‘Analisis sentimen ulasan aplikasi Jamsostek Mobile menggunakan metode Support Vector Machine’, Jurnal Buana Informatika, 14(1), pp. 40–49.
Gabriela, M. (2025) KAI sudah terapkan teknologi face recognition untuk boarding di 22 stasiun. [Online]. Tersedia pada: https://www.tempo.co/sains/-kai-sudah-terapkan-teknologi-face-recognition-untuk-boarding-di-22-stasiun2063526 [Diakses pada: 12 September 2025]
Hilal, K.R., Setiawan, N.Y. and Ratnawati, D.E. (2024) ‘Analisis sentimen berbasis aspek untuk pengguna PLN Mobile pada Google Playstore menggunakan metode Support Vector Machine’, J-PTIIK (Jurnal PTIIK), 8(7). Tersedia pada: https://j-ptiik.ub.ac.id/index.php/j-ptiik/article/view/13927
Ho, I., Goh, H.N. and Tan, Y.F. (2022) ‘Preprocessing impact on sentiment analysis performance on Malay social media text’, Journal of Systems and Management Science, 12(5), pp. 73–90. doi: 10.33168/JSMS.2022.0505.
Hutaminingsih, N.W. (2019) Comparing testing and training data SVM (Support Vector Machine) with R. Medium. [Online]. Tersedia pada: https://medium.com/@nabilawrhtm/comparing-testing-and-training-data-svm-support-vector-machine-with-r-d69929a00708 [Diakses pada: 10 Desember 2025].
Indrajani (2011) Pengertian flowchart. IT.Jurnal.Com.
Jaya, A. (2023) ‘Analisis sentimen pandangan publik terhadap profesi Pegawai Negeri Sipil (PNS) dari Twitter menerapkan Indonesian RoBERTa Base Sentiment Classifier’, Indonesian Journal of Data and Science (IJODAS), 4(1), pp. 38–44.
Jiana, N.A. and Hartono, B. (2024) ‘Sentimen analisa ulasan aplikasi Access by KAI pada Google Play Store menggunakan algoritma K-NN’, Jurnal Media Informatika Budidarma, 8(3), pp. 1388–1397. doi: 10.30865/mib.v8i3.7730.
Khairani, R.R., Abidin, F.D.S. and Aprianto, R. (2025) ‘Analisis efektivitas penerapan face recognition boarding gate di Stasiun Tegal’, Innovative: Journal of Social Science Research, 5(4), pp. 5771–5783.
Kompas.com (2025) Daftar 22 stasiun KAI yang menyediakan face recognition boarding, cepat tak perlu cetak tiket. [Online]. Tersedia pada: https://travel.kompas.com/read/2025/08/28/181020627/daftar-22-stasiun-kai-yang-menyediakan-face-recognition-boarding-cepat-tak[Diakses pada: 15 Oktober 2025].
Laksono, A.H. (2022) Perkembangan tiket kereta api dari masa ke masa, mulai jaman Belanda hingga saat ini. [Online]. Tersedia pada: https://suaraindonesia.co.id/news/artikel/62ea20750828b/perkembangan-tiket-kereta-api-dari-masa-ke-masa-mulai-jaman-belanda-hingga-saat-ini[Diakses pada: 15 oktober 2025].
Liu, B. (2012) Sentiment analysis and opinion mining. San Rafael, CA: Morgan & Claypool Publishers.
Liu, J., Zhao, Z., Wu, N. and Wang, X. (2024) ‘Research on the structure function recognition of PLOS’, Frontiers in Artificial Intelligence, 7, 1254671.
Mailo, F.F. and Lazuardi, L. (2019) ‘Analisis sentimen data Twitter menggunakan metode text mining tentang masalah obesitas di Indonesia’, Journal of Information Systems for Public Health, 4(1), pp. 1–12.
Mantik, J., Ula, M., Ulva, A.F. and Sahputra, I. (2021) Jurnal Mantik, 5(3).
Pamungkas, F.S. and Kharisudin, I. (2020) ‘Analisis sentimen dengan SVM, Naive Bayes, dan KNN terhadap pandemi Covid-19 pada media sosial Twitter’, Prosiding Seminar Nasional Matematika. [Online]. Tersedia pada: https://journal.unnes.ac.id/sju/index.php/prisma/[Diakses pada: 10 Desember 2025].
Pointstar (2023) Penggunaan face recognition AI di berbagai sektor industri. [Online]. Tersedia pada: https://www.pointstar.co.id/artificial-intelligence/penggunaan-face-recognition-ai[Diakses pada: 10 Desember 2025].
Praghakusma, A.Z. and Charibaldi, N. (2021) ‘Komparasi fungsi kernel metode Support Vector Machine untuk analisis sentimen Instagram dan Twitter’, Jurnal Sarjana Teknik Informatika, 9(2), pp. 33–42. [Online]. Tersedia pada: http://journal.uad.ac.id/index.php/JSTIF[Diakses pada: 15 Desember 2025].
Putranta, Y.S.V., Rahayudi, B. and Purnomo, W. (2020) ‘Analisis sentimen masyarakat terhadap kebijakan penghapusan subsidi BBM pada media sosial Twitter menggunakan algoritma Naïve Bayes Classifier’, Jurnal Teknologi Informasi Universitas Brawijaya, 1(1), pp. 1–12.
Radiena, G. and Nugroho, A. (2023) ‘Analisis sentimen berbasis aspek pada ulasan aplikasi KAI Access menggunakan metode Support Vector Machine’, Jurnal Pendidikan Teknologi Informasi (JUKANTI), 6(1), pp. 45–54.
Rafif, R., Setiawan, E.B. and Kurniawan, I. (2020) ‘Analisis dan implementasi algoritma C4.5 dan pembobotan TF-IDF untuk menentukan trending topik pada media sosial Twitter’, e-Proceeding of Engineering, 7(2), pp. 7661–7672.
Ramlan, R., Satyahadewi, N. and Andani, W. (2022) ‘Analisis sentimen pengguna Twitter menggunakan Support Vector Machine pada kasus kenaikan harga BBM’, Jurnal Statistika Universitas Tanjungpura, 1(1), pp. 1–10.
Saragih, R.E. and To, Q.H. (2022) ‘A survey of face recognition based on convolutional neural network’, Indonesian Journal of Information Systems, 4(2). doi: 10.24002/ijis.v4i2.5439.
Setiadi, B., Purwanto, E. and Permatasari, H. (2024) ‘Optimisasi klasifikasi sentimen pada review hotel bahasa Inggris dengan model RoBERTa Twitter’, SINTECH Journal, 7(2), pp. 1–12.
Sumijan, S., Purnama, P.A.W. and Arlis, S. (2021) Teknologi biometrik: Implementasi pada bidang medis menggunakan MATLAB. Padang: Insan Cendekia Mandiri. [Online]. Tersedia pada: http://repository.upiyptk.ac.id/3718/1/Teknologi-biometrik-20211.pdf[Diakses pada: 10 Desember 2025].
Swana, E.F., Doorsamy, W. and Bokoro, P. (2022) ‘Tomek link and SMOTE approaches for machine fault classification with an imbalanced dataset’, Sensors, 22(9), 3246.
Amriza, R.N.S. and Supriyadi, D. (2021) ‘Komparasi metode machine learning dan deep learning untuk deteksi emosi pada teks di sosial media’, Jurnal JUPITER, 13(2), pp. 130–139.
Antaranews (2025) KAI terapkan teknologi face recognition untuk proses boarding penumpang. [Online]. Tersedia pada: https://www.antaranews.com/berita/4741057/kai-teknologi-face-recognition-permudah-proses-masuk [Diakses pada: 5 September 2025]
Authme (2023) Memahami teknologi face recognition dan penerapannya. [Online]. Tersedia pada: https://authme.com/id/blog/understanding-face-recognition [Diakses pada: 12 September 2025]
Damanhuri, R. and Husein, V.A. (2024) ‘Analisis sentimen pada ulasan aplikasi Access by KAI berbahasa Indonesia menggunakan word embedding dan classical machine learning’, Jurnal Masyarakat Informatika, 15(2), pp. 97–106.
Ependi, U., Aprilia, D. and Derbyandika, S. (2024) ‘Kepuasan penumpang terhadap face recognition boarding pass di Stasiun Madiun menggunakan metode SERVQUAL’, Jurnal Teknik Informatika, 18(3), pp. 200–210.
Fachrudin, M.F., Angkoso, C.V. and Fatah, D.A. (2024) ‘Analisis sentimen pada sosial media Twitter terhadap kualitas jaringan internet Telkomsel menggunakan ensemble K-Nearest Neighbour–Support Vector Machine’, Jurnal Pengembangan Teknologi Informasi dan Ilmu Komputer, 11(6), pp. 1253–1264.
Fauziyyah, A.K. and Gautama, D.H. (2020) ‘Analisis sentimen pandemi Covid-19 pada streaming Twitter dengan text mining Python’, Jurnal Ilmiah SINUS, 18(2), pp. 31–42. doi: 10.30646/sinus.v18i2.491.
Fikri, W.A., Fhazrel, F.P. and Fahmi, R.A. (2018) ‘Analisis kepuasan pelanggan PT Kereta Api Indonesia (Persero)’, Jurnal Ilmu Manajemen, 5(2), pp. 101–110.
Fitriyana, V., Hakim, L., Novitasari, D.C.R. and Asyhar, A.H. (2023) ‘Analisis sentimen ulasan aplikasi Jamsostek Mobile menggunakan metode Support Vector Machine’, Jurnal Buana Informatika, 14(1), pp. 40–49.
Gabriela, M. (2025) KAI sudah terapkan teknologi face recognition untuk boarding di 22 stasiun. [Online]. Tersedia pada: https://www.tempo.co/sains/-kai-sudah-terapkan-teknologi-face-recognition-untuk-boarding-di-22-stasiun2063526 [Diakses pada: 12 September 2025]
Hilal, K.R., Setiawan, N.Y. and Ratnawati, D.E. (2024) ‘Analisis sentimen berbasis aspek untuk pengguna PLN Mobile pada Google Playstore menggunakan metode Support Vector Machine’, J-PTIIK (Jurnal PTIIK), 8(7). Tersedia pada: https://j-ptiik.ub.ac.id/index.php/j-ptiik/article/view/13927
Ho, I., Goh, H.N. and Tan, Y.F. (2022) ‘Preprocessing impact on sentiment analysis performance on Malay social media text’, Journal of Systems and Management Science, 12(5), pp. 73–90. doi: 10.33168/JSMS.2022.0505.
Hutaminingsih, N.W. (2019) Comparing testing and training data SVM (Support Vector Machine) with R. Medium. [Online]. Tersedia pada: https://medium.com/@nabilawrhtm/comparing-testing-and-training-data-svm-support-vector-machine-with-r-d69929a00708 [Diakses pada: 10 Desember 2025].
Indrajani (2011) Pengertian flowchart. IT.Jurnal.Com.
Jaya, A. (2023) ‘Analisis sentimen pandangan publik terhadap profesi Pegawai Negeri Sipil (PNS) dari Twitter menerapkan Indonesian RoBERTa Base Sentiment Classifier’, Indonesian Journal of Data and Science (IJODAS), 4(1), pp. 38–44.
Jiana, N.A. and Hartono, B. (2024) ‘Sentimen analisa ulasan aplikasi Access by KAI pada Google Play Store menggunakan algoritma K-NN’, Jurnal Media Informatika Budidarma, 8(3), pp. 1388–1397. doi: 10.30865/mib.v8i3.7730.
Khairani, R.R., Abidin, F.D.S. and Aprianto, R. (2025) ‘Analisis efektivitas penerapan face recognition boarding gate di Stasiun Tegal’, Innovative: Journal of Social Science Research, 5(4), pp. 5771–5783.
Kompas.com (2025) Daftar 22 stasiun KAI yang menyediakan face recognition boarding, cepat tak perlu cetak tiket. [Online]. Tersedia pada: https://travel.kompas.com/read/2025/08/28/181020627/daftar-22-stasiun-kai-yang-menyediakan-face-recognition-boarding-cepat-tak[Diakses pada: 15 Oktober 2025].
Laksono, A.H. (2022) Perkembangan tiket kereta api dari masa ke masa, mulai jaman Belanda hingga saat ini. [Online]. Tersedia pada: https://suaraindonesia.co.id/news/artikel/62ea20750828b/perkembangan-tiket-kereta-api-dari-masa-ke-masa-mulai-jaman-belanda-hingga-saat-ini[Diakses pada: 15 oktober 2025].
Liu, B. (2012) Sentiment analysis and opinion mining. San Rafael, CA: Morgan & Claypool Publishers.
Liu, J., Zhao, Z., Wu, N. and Wang, X. (2024) ‘Research on the structure function recognition of PLOS’, Frontiers in Artificial Intelligence, 7, 1254671.
Mailo, F.F. and Lazuardi, L. (2019) ‘Analisis sentimen data Twitter menggunakan metode text mining tentang masalah obesitas di Indonesia’, Journal of Information Systems for Public Health, 4(1), pp. 1–12.
Mantik, J., Ula, M., Ulva, A.F. and Sahputra, I. (2021) Jurnal Mantik, 5(3).
Pamungkas, F.S. and Kharisudin, I. (2020) ‘Analisis sentimen dengan SVM, Naive Bayes, dan KNN terhadap pandemi Covid-19 pada media sosial Twitter’, Prosiding Seminar Nasional Matematika. [Online]. Tersedia pada: https://journal.unnes.ac.id/sju/index.php/prisma/[Diakses pada: 10 Desember 2025].
Pointstar (2023) Penggunaan face recognition AI di berbagai sektor industri. [Online]. Tersedia pada: https://www.pointstar.co.id/artificial-intelligence/penggunaan-face-recognition-ai[Diakses pada: 10 Desember 2025].
Praghakusma, A.Z. and Charibaldi, N. (2021) ‘Komparasi fungsi kernel metode Support Vector Machine untuk analisis sentimen Instagram dan Twitter’, Jurnal Sarjana Teknik Informatika, 9(2), pp. 33–42. [Online]. Tersedia pada: http://journal.uad.ac.id/index.php/JSTIF[Diakses pada: 15 Desember 2025].
Putranta, Y.S.V., Rahayudi, B. and Purnomo, W. (2020) ‘Analisis sentimen masyarakat terhadap kebijakan penghapusan subsidi BBM pada media sosial Twitter menggunakan algoritma Naïve Bayes Classifier’, Jurnal Teknologi Informasi Universitas Brawijaya, 1(1), pp. 1–12.
Radiena, G. and Nugroho, A. (2023) ‘Analisis sentimen berbasis aspek pada ulasan aplikasi KAI Access menggunakan metode Support Vector Machine’, Jurnal Pendidikan Teknologi Informasi (JUKANTI), 6(1), pp. 45–54.
Rafif, R., Setiawan, E.B. and Kurniawan, I. (2020) ‘Analisis dan implementasi algoritma C4.5 dan pembobotan TF-IDF untuk menentukan trending topik pada media sosial Twitter’, e-Proceeding of Engineering, 7(2), pp. 7661–7672.
Ramlan, R., Satyahadewi, N. and Andani, W. (2022) ‘Analisis sentimen pengguna Twitter menggunakan Support Vector Machine pada kasus kenaikan harga BBM’, Jurnal Statistika Universitas Tanjungpura, 1(1), pp. 1–10.
Saragih, R.E. and To, Q.H. (2022) ‘A survey of face recognition based on convolutional neural network’, Indonesian Journal of Information Systems, 4(2). doi: 10.24002/ijis.v4i2.5439.
Setiadi, B., Purwanto, E. and Permatasari, H. (2024) ‘Optimisasi klasifikasi sentimen pada review hotel bahasa Inggris dengan model RoBERTa Twitter’, SINTECH Journal, 7(2), pp. 1–12.
Sumijan, S., Purnama, P.A.W. and Arlis, S. (2021) Teknologi biometrik: Implementasi pada bidang medis menggunakan MATLAB. Padang: Insan Cendekia Mandiri. [Online]. Tersedia pada: http://repository.upiyptk.ac.id/3718/1/Teknologi-biometrik-20211.pdf[Diakses pada: 10 Desember 2025].
Swana, E.F., Doorsamy, W. and Bokoro, P. (2022) ‘Tomek link and SMOTE approaches for machine fault classification with an imbalanced dataset’, Sensors, 22(9), 3246.
Published
2026-05-01
How to Cite
Fyra Salsabila Sumantri, & Miftahul Jannah. (2026). ANALISIS SENTIMEN MASYARAKAT TERHADAP FITUR FACE RECOGNITION PADA BOARDING GATE PT KAI MENGGUNAKAN MODEL RoBERTa DAN METODE SUPPORT VECTOR MACHINE (SVM). Journal of Social and Economics Research, 8(1), 170-187. https://doi.org/10.54783/jser.v8i1.1423
Section
Articles
