Perbandingan Metode Decision Tree dan  Support Vector Machine untuk Analisis Sentimen pada Instagram Mengenai Kinerja PSSI

MUHAMMAD FADLI ASSHIDDIQI

Informasi Umum

Kode

20.04.3132

Klasifikasi

003 - Systems, Operation Research, System Theory, System Analysis, Simulation Technic

Jenis

Karya Ilmiah - Skripsi (S1) - Reference

Subjek

Text Mining

Dilihat

200 kali

Informasi Lainnya

Abstraksi

Pada tahun 2018 hingga pertengahan tahun 2019 ramai dibicarakan mengenai permasalahan sepak bola Indonesia yang berujung kekecewaan masyarakat terhadap persatuan sepak bola seluruh Indonesia (PSSI) tetapi pada akhir tahun 2019 PSSI membuktikan kinerjanya dan mendapatkan prestasi, dengan kondisi tersebut dipastikan banyak opini masyarakat akan bermacam-macam terhadap PSSI pada media sosial. Dari banyaknya opini tersebut akan menjadi sebuah data yang bisa menentukan kepuasan masyarakat terhadap kinerja PSSI apakah hasilnya cenderung postif atau negatif dengan cara melakukan sentimen analisis. Untuk meunujang sentimen analisis diperlukan Algoritma klasifikasi, algoritma pada penelitian ini menggunakaan Decision Tree dan Support Vector Machine. Hasil komposisi data terbaik untuk melakukan pengujian adalah 80%:20% dengan mendapatkan hasil nilai akurasi 87.45%, precison 87.72%, recall 91.74% dan F1-Score 89.69% pada Decision Tree dengan TF-IDF sedangkan untuk Support Vector Machine dengan TF-IDF komposisi data terbaik adalah 80%:20% mendapatkan hasil nilai akurasi akurasi 94.36%, precison 96.78%, recall 94.30% dan F1-Score 95.53%. Maka pada kasus ini sentiment analisis pada komentar instagram akan lebih baik jika menggunakan Support Vector Machine (SVM) dengan TFIDF.