YOGA EL SAPUTRA, -
(2024)
KLASIFIKASI SENTIMEN SVM DENGAN DATASET YANG
KECIL PADA KASUS KAESANG SEBAGAI
KETUA UMUM PSI.
KLIK: Kajian Ilmiah Informatika dan Komputer, 4 (6).
2902- 2908.
ISSN 2723-3898
Abstract
−Media sosial telah menjadi platform utama bagi masyarakat untuk menyampaikan pandangan dan opini terhadap berbagai peristiwa, termasuk pengangkatan Kaesang Pangarep sebagai Ketua Umum Partai Solidaritas Indonesia (PSI). Penelitian ini bertujuan untuk mengklasifikasikan sentimen masyarakat terhadap pengangkatan tersebut menggunakan metode Support Vector Machine (SVM) dengan pendekatan Term Frequency-Inverse Document Frequency (TF-IDF). Data dikumpulkan dari Twitter menggunakan kata kunci "Kaesang PSI" serta data eksternal dengan topik terkait Covid-19. Pada data kaeasang diambil 300 data dengan masing-masing label
(positif, netral, negatif) mendapatkan 100 tweet serta menambahkan data eksternal sebanyak 900 data dengan masing label (positif, netral, negatif) mendapatkan 300 tweet. Setelah proses text preprocessing yang meliputi case folding, stopword removal, dan stemming. Model diuji menggunakan confusion matrix untuk mengevaluasi performa berdasarkan metrik akurasi, presisi, recall, dan F1 Score. Hasil menunjukkan bahwa model SVM dengan TF-IDF memiliki F1 Score sebesar 0.53, akurasi 0.62, presisi 0.52, dan recall 0.57. Penambahan data ekstenal terkait Covid-19 pada fitur TF-IDF terbukti meningkatkan kinerja model secara signifikan. Kesimpulannya, metode SVM dengan TF-IDF efektif digunakan dalam analisis sentimen di media sosial meskipun dengan dataset yang kecil.
Actions (login required)
 |
View Item |
