Perbandingan Metode Klasifikasi Random Forest dan Support Vector Machine Pada Analisis Sentimen Vaksin Covid-19 di Twitter

TUBAGUS IBROHIM AL-KHALIL

Informasi Umum

Kode

22.04.1083

Klasifikasi

006.312 - Data mining

Jenis

Karya Ilmiah - Skripsi (S1) - Reference

Subjek

Data Mining

Dilihat

13 kali

Informasi Lainnya

Abstraksi

Covid-19 telah ditetapkan sebagai pandemi oleh WHO pada bulan maret 2020. Virus ini telah menyebar keseluruh penjuru dunia, termasuk Indonesia. Vaksinasi merupakan salah satu upaya pencegahan penyebaran virus yang dilakukan oleh pemerintah. Namun, hal ini menimbulkan berbagai opini dari pengguna platform media sosial, salah satunya Twitter. Pada Twitter opini disebut tweet. Pada tiap tweet akan dilakukan analisis sentimen yang diklasifikasikan menjadi kelas positif, netral dan negatif. Dengan menggunakan metode crawling penulis memperoleh sebanyak 3.000 data tweet. Untuk meningkatkan performansi model, proses pembobotan pada data dilakukan dengan menggunakan metode TF-IDF. Pembobotan dibagi menjadi tiga bagian yaitu unigram, bigram, dan unigram+bigram. Hasil pembobotan di klasifikasikan dengan menggunakan dua model yaitu Random Forest dan Support Vector Machine. Hasil akurasi terbaik diantara dua model tersebut didapatkan oleh model SVM dengan nilai akurasi 91% dengan pembobotan unigram+bigram menggunakan kernel polynomial.

Kata kunci : SVM, random forest, analisis sentimen, TF-IDF