SAFRIZAL, -
(2024)
KLASIFIKASI SENTIMEN TERHADAP PENGANGKATAN KAESANG SEBAGAI KETUA UMUM PARTAI PSI MENGGUNAKAN METODE SUPPORT VECTOR MACHINE.
KLASIFIKASI SENTIMEN TERHADAP PENGANGKATAN KAESANG SEBAGAI KETUA UMUM PARTAI PSI MENGGUNAKAN METODE SUPPORT VECTOR MACHINE, 6 (1).
ISSN 2684-8910
Abstract
Penunjukan Kaesang Pangarep sebagai Ketua Umum Partai Solidaritas Indonesia (PSI) telah memicu berbagai tanggapan
di media sosial, khususnya Twitter. Penelitian ini bertujuan untuk melakukan klasifikasi sentimen terhadap tanggapan masyarakat
mengenai penunjukan tersebut menggunakan algoritma Support Vector Machine (SVM) dengan representasi fitur FastText. Data
yang digunakan untuk klasifikasi dengan data training yang kecil. Proses text preprocessing mencakup cleaning, case folding,
tokenizing, normalisasi, stopword removal, dan stemming. Fasttext word embedding digunakan untuk merepresentasikan kata
menjadi kedalam bentuk vector selanjutnya membuat model SVM dengan Grid Search digunakan untuk penyetelan parameter guna
mendapatkan model optimal. Penggunaaan dataset eksternal untuk memperluas dataset pelatihan yang awalnya terbatas,
meningkatkan representasi data, dan meningkatkan kinerja model dalam mengklasifikasikan sentimen. Dataset Covid diperluas
dengan menambahkan tweet sebanyak 100, 200, dan 300 untuk setiap label negatif, positif dan netral. Dari ekperimen yang
dilakukan model pada data uji terlihat akurasi terbaik ditemukan pada ID eksperimen C2 dengan nilai F1-Score sebesar 53.59%
dan akurasi 62.73%. Selanjutnya pada ID eksperimen C3 dengan dataset yang sama, nilai F1-Score adalah 50.46% dan akurasi
60.46%. Terakhir, pada ID eksperimen C7 dengan dataset yang sama, nilai F1-Score adalah 47.19% dan akurasi 53.09%.
Actions (login required)
 |
View Item |
