BINTANG CAHYA, - (2024) IMPLEMENTASI WORD2VEC SEBAGAI FITUR PADA ALGORITMA SVM DALAM KLASIFIKASI SENTIMEN ( STUDI KASUS TWEET KAESANG SEBAGAI KETUM PSI). Skripsi thesis, UNIVERSITAS ISLAM NEGERI SULTAN SYARIF KASIM RIAU.

Preview	Text SKRIPSI LENGKAP KECUALI BAB IV.pdf Download (2MB) | Preview
	Text BAB IV.pdf - Published Version Restricted to Repository staff only Download (1MB)

Abstract

Diangkatnya Kaesang Pangarep sebagai ketua umum Partai Solidaritas Indonesia (PSI) memperoleh tanggapan yang beragam di masyarakat. Beberapa orang perpendapat positif terutama dikalangan generasi muda dan pendukung partai. Di sisi lain diangkatnya putra bungsu Jokowi yaitu Kaesang Pangarep sebagai ketua umum Partai Solidaritas Indonesia (PSI) menonjolkan adanya taktik politik yang dilandasi dengan ikatan kekeluargaan. Penelitian ini bertujuan mengutamakanpenyelidikan terhadap penggunaan data yang sedikit pada proses training machine learning. Penelitian ini menggunakan algoritma Support Vector Machine (SVM) dengan fitur word2vec untuk klasifikasi. Fitur word2vec penelitian ini menggunakan arsitektur CBOW dengan strategi algoritma pelatihan 0 dan jumlah dimensi fitur yang digunakan sebanyak 300. Optimasi hyperparameter yang dilakukan yaitu menggunakan GridsearchCV. Penelitian ini menggunakan kernel RBF dengan parameter C = [1, 10, 100,1000] dan Gamma = [0,1, 0,01, 0,001, 0,0001]. Hasilnya, percobaan terbaik yaitu pada run 2 dengan parameter terbaik yaitu C = 1 dan Gamma = 0.1 dengan f1-score 61.63 % pada percobaan ID P4 dengan menerapkan processing dasar, cleaning, stopword, dan stemming untuk data validasi Kaesang. Hasil pengujian percobaan ID P4 menggunakan data test diperoleh f1-score sebesar 54.23%. Hasil penambahan data pada penelitian ini meningkatkan f1-score dan accuracy dari data Kaesang sebesar 4.31% untuk f1- score dan 3.14% untuk accuracy

Actions (login required)

View Item