ABDURRAHMAN ARASY, - (2025) KLASIFIKASI SENTIMEN MENGGUNAKAN METODE MULTILAYER PERCEPTRON DENGAN FITUR TF-IDF. MALCOM: Indonesian Journal of Machine Learning and Computer Science, 5 (3). pp. 908-919. ISSN ISSN(P): 2797-2313 | ISSN(E): 2775-8575

Preview	Text (ARTIKEL) Jurnal Abdurrahman Arasy - ABDURRAHMAN ARASY.pdf - Published Version Download (4MB) | Preview
Preview	Text (SURAT PERNYATAAN PUBLIKASI) SURAT SERAH TERIMA - ABDURRAHMAN ARASY.pdf - Published Version Download (549kB) | Preview

Abstract

Abstrak Media sosial, khususnya Twitter (X), telah menjadi platform utama dalam diskusi politik dan kebijakan pemerintah. Istilah dalam pengiriman pesan pada Twitter dikenal sebagai Tweet yang terdiri dari pesan dengan maksimal 280 karakter. Meskipun Tweet seringkali hanya berupa teks, juga dapat menyertakan hyperlink, video, dan jenis media lainnya yang dapat digunakan untuk mengukur opini publik. penelitian ini bertujuan mengklasifikasikan sentimen masyarakat terkait pengangkatan Kaesang Pangarep sebagai Ketua Umum Partai Solidaritas Indonesia (PSI) dengan metode Multi-Layer Perceptron (MLP) Classifier dengan pendekatan Term Frequency-Inverse Document Frequency (TF-IDF) menggunakan bahasa pemograman python. Data yang digunakan terdiri dari 300 tweet, dengan 100 tweet perkelas atau opsi untuk hasil yang optimal. Tiga kategori tersebut adalah positif, netral, dan negatif. Berdasarkan penelitian yang telah dilakukan metode terbaik mencapai F1-score sebesar 0,6767 dan akurasi 0,6667. Hasil ini menunjukkan bahwa kombinasi MLP Classifier dan TF-IDF dapat mengatasi keterbatasan dataset hingga tingkat tertentu dibandingkan metode baseline. Penelitian ini juga memberikan wawasan tentang optimasi klasifikasi sentimen dalam kondisi data terbatas, yang dapat diterapkan pada topik lain dengan permasalahan serupa. Kata Kunci: Analisis Sentimen, Klasifikasi, Multi-Layer Perceptron, Term Frequency-Inverse Document Frequency

Actions (login required)

View Item