MARWIKA RIFATTUL IFFA, - (2025) PENINGKATAN KINERJA SUPPORT VECTOR MACHINE MENGGUNAKAN MODEL BAHASA BERT UNTUK KLASIFIKASI SENTIMEN DENGAN DATASET TERBATAS. ZONAsi: Jurnal Sistem Informasi, 07 (02). pp. 422-432. ISSN ISSN : 2656-7407 (Online) 2656-7393 (Print)

Preview	Text (JURNAL ARTIKEL) Jurnal Zonasi Marwika Rifattul Iffa - MARWIKA RIFATTUL IFFA Teknik Informatika.pdf - Published Version Download (6MB) | Preview
Preview	Text (PERNYATAAN PUBLIKASI) SURAT PERNYATAAN - MARWIKA RIFATTUL IFFA Teknik Informatika.pdf - Published Version Download (330kB) | Preview

Abstract

Abstrak Media sosial kini menjadi ruang penting bagi masyarakat untuk mengekspresikan opini secara terbuka terhadap berbagai isu terkini, salah satunya melalui platform X yang populer di kalangan pengguna internet. Platform ini sering digunakan sebagai sumber data klasifikasi sentimen guna mengungkap persepsi masyarakat terhadap peristiwa-peristiwa yang terjadi, khususnya di bidang politik dan pemerintahan. Namun, keterbatasan dataset menjadi tantangan utama dalam proses klasifikasi karena kondisi tersebut dapat mempengaruhi akurasi dan validitas sentimen yang dihasilkan. Untuk mengatasi permasalahan tersebut, penelitian ini mengusulkan kombinasi algoritma Support Vector Machine (SVM) dengan fitur Bidirectional Encoder Representations from Transformers (BERT) yang terbukti efektif dalam menangkap konteks bahasa secara mendalam. Pendekatan ini bertujuan untuk meningkatkan performa klasifikasi sentimen terkait pengangkatan Kaesang Pangarep sebagai Ketua Umum Partai Solidaritas Indonesia (PSI) pada media sosial X. Metode penelitian meliputi tahap preprocessing text, ekstraksi fitur menggunakan BERT, serta penerapan SVM dalam proses klasifikasi sentimen. Hasil eksperimen menunjukkan bahwa model kombinasi tersebut berhasil meningkatkan F1- Score secara signifikan sebesar 3%pada data uji. Hal ini menandakan model bahasa BERT dapat meningkatkan performa SVM dalam klasifikasi sentimen. Kata kunci: Klasifikasi Sentimen; SVM; BERT; X; Kaesang Pangarep

Actions (login required)

View Item