Jurnal Publikasi STMIK Pontianak

SELEKSI FITUR SUPPORT VECTOR MACHINE PADA ANALISIS SENTIMEN KEBERLANJUTAN PEMBELAJARAN DARING


Abstract:

Pernyataan Mendikbud Republik Indonesia mengenai keberlanjutan pembelajaran daring memperoleh komentar positif dan negatif dari masyarakat melalui Twitter. Tweet atau komentar masyarakat berbahasa Indonesia melalui Twitter diambil secara crawling. Komentar tersebut merupakan opini masyarakat yang perlu didengar. Permasalahannya, komentar tersebut sulit dipilah untuk mendapatkan term atau kata hasil dari komentar positif atau negatif sehubungan penggunaan ragam kata yang digunakan diantaranya penggunaan bahasa tidak formal, simbol, singkatan, bahasa asing, dan bahasa daerah. Mengatasi hal tersebut, dilakukan penelitian menggunakan analisis sentimen. Untuk mendapatkan hasil evaluasi terbaik diperlukan perbandingan ideal antara data latih dan data uji. Tahapan penelitian terdiri dari pengambilan data mentah; pre-processing data; seleksi fitur dengan Term Frequency dan TF-IDF; klasifikasi dengan Support Vector Machine (SVM); dan evaluasi menggunakan k-Fold Cross Validation dan Confusion Matrix. Tujuan penelitian adalah melakukan analisis sentimen dengan algoritma SVM membandingkan dua seleksi fitur Term Frequency dan TF-IDF untuk memperoleh nilai k-Fold pada k-Fold Cross Validation yang menghasilkan nilai evaluasi tertinggi. Data yang digunakan berjumlah 200 data tweet terdiri dari 100 komentar positif dan 100 komentar negatif menggunakan lima rasio perbandingan data latih dan data uji. Penelitian menghasilkan evaluasi tertinggi pada pada 8-Fold Cross Validation dengan accuracy sebesar 86,00%, precision sebesar 87,38%, dan recall sebesar 85,02%.

Kata Kunci : SVM, Term Frequency, TF-IDF, Analisis Sentimen, Pembelajaran Daring


Jurnal Publikasi STMIK Pontianak By Amar P. Natasuwarna
DOWNLOAD PDF