Ramadanu Putra, - and Yusra, - and Muhammad Fikry, - (2023) Penerapan Metode SVM pada Klasifikasi Sentimen terhadap Anies Baswedan sebagai Bakal Calon Presiden 2024. Penerapan Metode SVM pada Klasifikasi Sentimen terhadap Anies Baswedan sebagai Bakal Calon Presiden 2024, 8 (2). pp. 145-152. ISSN 2541-1004

Preview

Text Ramadanu Putra 11950115180.pdf - Published Version Available under License Creative Commons Attribution Non-commercial. Download (971kB) | Preview

Abstract

Twitter adalah salah satu platform yang semakin populer dan berkembang pesat untuk berbagi pendapat dan aktivitas. Dalam konteks pemilihan presiden 2024 di Indonesia, nama Anies Baswedan telah diusung sebagai salah satu bakal calon presiden oleh Partai Nasional Demokrat (NasDem) pada tanggal 3 Oktober 2022. Oleh karena itu, penelitian ini bertujuan untuk melakukan klasifikasi sentimen pada media sosial Twitter terkait pendapat pengguna terhadap Anies Baswedan sebagai bakal calon presiden 2024. Penelitian ini menggunakan metode Support Vector Machine (SVM) untuk melakukan klasifikasi sentimen. Dataset yang digunakan terdiri dari 3400 data Twitter yang telah diberi label positif (2130 tweet) dan negatif (1270 tweet). Proses pelabelan dilakukan secara manual dengan menggunakan teknik crowdsourcing, dan tingkat kesepakatan yang diperoleh dengan metrik Kappa adalah sebesar 0,68, menunjukkan tingkat kesepakatan tergolong kuat. Sebelum melakukan klasifikasi, dilakukan proses text preprocessing pada data. Dataset dibagi menjadi data latih dan data uji dengan perbandingan 90:10. Untuk mengatasi ketidakseimbangan data, dilakukan penyeimbangan data dengan Metode SMOTE (Synthetic Minority Oversampling Technique) dan dilakukan pemilihan threshold sebesar 5. Model SVM dengan kernel RBF yang menggunakan pasangan parameter C=9 dan γ=2 telah menghasilkan performa yang baik dalam tahap validasi dan evaluasi. Hasil pengujian menunjukkan akurasi sebesar 90,61%, presisi sebesar 90,67%, recall sebesar 90,61% dan f1-score sebesar 90,61%.

Actions (login required)

View Item