ANALISIS SENTIMEN PON XXI ACEH-SUMUT 2024 PADA SOSIAL MEDIA X MENGGUNAKAN METODE SVM - Dalam bentuk buku karya ilmiah

KARINA SHAFA AMALIA

Informasi Umum

Kode

25.04.2593

Klasifikasi

000 - General Works

Jenis

Karya Ilmiah - Skripsi (S1) - Reference

Subjek

Natural Language Processing (nlp)

Dilihat

113 kali

Informasi Lainnya

Abstraksi

Pekan Olahraga Nasional (PON) XXI Aceh-Sumut 2024 menjadi ajang besar yang memicu beragam respons publik di media sosial, khususnya platform X. Penelitian ini bertujuan untuk menganalisis sentimen masyarakat terhadap penyelenggaraan PON XXI guna memahami kecenderungan opini publik secara lebih dalam. Data dikumpulkan melalui proses crawling menggunakan Tweet Harvest dengan kata kunci yang relevan, sehingga diperoleh sebanyak 2.503 data unggahan. Data yang terkumpul kemudian diklasifikasikan ke dalam tiga kategori sentimen, yaitu positif, negatif, dan netral. Penelitian ini memanfaatkan algoritma Support vector Machine (SVM) sebagai metode klasifikasi utama, dengan menerapkan empat jenis kernel, yakni linear, polynomial, Radial Basis Function (RBF), dan sigmoid. Proses klasifikasi dilakukan dalam dua pendekatan, yaitu dengan dan tanpa penerapan Synthetic Minority Over-sampling Technique (SMOTE) sebagai metode penanganan ketidakseimbangan data. Selain itu, eksperimen juga dilakukan dengan tiga rasio pembagian data latih dan data uji, yakni 90:10, 80:20, dan 70:30. Hasil pengujian menunjukkan bahwa model klasifikasi SVM yang dikombinasikan dengan teknik SMOTE memberikan hasil yang lebih optimal dibandingkan model tanpa SMOTE. Dari seluruh kombinasi yang diuji, performa terbaik dicapai oleh model SVM dengan kernel RBF dan rasio 80:20, yang menghasilkan accuracy 86,63%, precision 86%, recall 85%, dan F1-Score sebesar 85%. Sebagai tahap akhir, model terbaik diimplementasikan ke dalam sebuah dashboard berbasis Streamlit yang menyajikan hasil analisis dalam bentuk visualisasi, seperti wordcloud, distribusi n-gram, dan sebaran hashtag yang sering muncul terkait acara. Selain itu, dashboard dilengkapi fitur prediksi sentimen baru, dari pengembangan model klasifikasi sentimen berbasis SVM.