PENERAPAN METODE SUPPORT VECTOR MACHINE UNTUK MENGUKUR AKURASI MODEL KLASIFIKASI SENTIMEN

Herawti, Netty (2025) PENERAPAN METODE SUPPORT VECTOR MACHINE UNTUK MENGUKUR AKURASI MODEL KLASIFIKASI SENTIMEN. PENERAPAN METODE SUPPORT VECTOR MACHINE UNTUK MENGUKUR AKURASI MODEL KLASIFIKASI SENTIMEN, Vol. 7 (No.1). pp. 1-10. ISSN 2686-3359

	Text (Artikel) Netty Herawti_2255201179_JURNAL.pdf - Published Version Restricted to Repository staff only Download (776kB) \| Request a copy
	Text (Turnitin) Netty Herawti_2255201179_turnitin .pdf - Published Version Restricted to Repository staff only Download (1MB) \| Request a copy

Official URL: DOI: https://doi.org/10.51401/jinteks.v7i3.6189

Abstract

Kemajuan teknologi informasi telah mendorong munculnya berbagai platform media sosial, salah satunya Twitter, yang tidak hanya berfungsi sebagai sarana komunikasi, tetapi juga menjadi medium penyampaian opini publik terhadap isu sosial. Salah satu kasus yang ramai diperbincangkan di Twitter adalah pembunuhan Nia Kurnia Sari, seorang penjual gorengan di Kabupaten Padang Pariaman, yang memicu beragam respons masyarakat. Penelitian ini bertujuan untuk mengidentifikasi dan mengklasifikasikan sentimen publik terhadap kasus tersebut ke dalam kategori positif, negatif, atau netral. Data diperoleh melalui teknik crawling terhadap 2.737 tweet, kemudian diproses melalui tahapan text preprocessing, pelabelan sentimen, pembobotan menggunakan TF-IDF, visualisasi data, dan klasifikasi menggunakan algoritma Support Vector Machine . Proses pelatihan dan pengujian model dilakukan dengan proporsi data 80:20. Dari total 2.436 data tweet yang dianalisis, hasil menunjukkan bahwa mayoritas sentimen bersifat netral, diikuti oleh negatif dan positif. Model yang dikembangkan menunjukkan performa tinggi dengan akurasi 92%, precision 95%, recall 86%, dan f1-score 89%, yang mengindikasikan bahwa metode SVM efektif untuk menganalisis sentimen masyarakat terhadap isu-isu sosial di media sosial.

Item Type:	Article
Additional Information:	Artikel ini sudah terbit pada Jurnal Informatika Teknologi dan Sains (JINTEKS) Vol. 7; No. 1 Februari 2025
Uncontrolled Keywords:	Kata Kunci : Support Vector Machine, Twitter, Googel Colab, Sentiment
Subjects:	Universitas Muhammadiyah Bengkulu > 02-Fakultas Teknik > 55201-(S1) Teknik Informatika 02-Fakultas Teknik > 55201-(S1) Teknik Informatika
Divisions:	02-Fakultas Teknik > 55201-(S1) Teknik Informatika Subjek Terkait > 02-Fakultas Teknik > 55201-(S1) Teknik Informatika
Depositing User:	Mrs Atika Ledia Anggraini
Date Deposited:	20 May 2026 02:09
Last Modified:	20 May 2026 02:09
URI:	http://repository.umb.ac.id/id/eprint/2338

Actions (login required)

View Item