KLASIFIKASI SENTIMEN TERHADAP CALON PRESIDEN 2024 MENGGUNAKAN METODE SUPPORT VECTOR MACHINE
Pemilu 2024 di Indonesia menjadi momentum penting dalam demokrasi, dengan media sosial, terutama Platform X, memainkan peran signifikan dalam mencerminkan opini publik. Tantangan utama dalam analisis sentimen terletak pada pengolahan data teks tidak terstruktur, seperti bahasa gaul, singkatan, campuran bahasa, dan dataset dengan distribusi kelas yang tidak seimbang yang memerlukan pendekatan berbasis representasi kontekstual. Penelitian ini mengevaluasi kinerja Support Vector Machine (SVM) dalam klasifikasi sentimen publik terhadap calon presiden Indonesia 2024, menggunakan berbagai metode representasi teks, seperti BERT, IndoBERT, TF-IDF, dan CountVectorizer. Hasil penelitian menunjukkan bahwa kombinasi SVM dengan IndoBERT memberikan akurasi tertinggi sebesar 87%, diikuti oleh TF-IDF 85%, BERT 82%, dan CountVectorizer 82%. Analisis sentimen menunjukkan bahwa Capres X lebih banyak mendapat sentimen positif, Capres Y didominasi oleh sentimen negatif, dan Capres Z memiliki sentimen beragam. Penelitian ini menegaskan bahwa SVM dengan metode representasi teks Transformers seperti IndoBERT, dapat meningkatkan akurasi analisis sentimen dalam bahasa Indonesia.
APA Style
. (2025).KLASIFIKASI SENTIMEN TERHADAP CALON PRESIDEN 2024 MENGGUNAKAN METODE SUPPORT VECTOR MACHINE ().Teknik Informatika:FTI
Chicago Style
.KLASIFIKASI SENTIMEN TERHADAP CALON PRESIDEN 2024 MENGGUNAKAN METODE SUPPORT VECTOR MACHINE ().Teknik Informatika:FTI,2025.Text
MLA Style
.KLASIFIKASI SENTIMEN TERHADAP CALON PRESIDEN 2024 MENGGUNAKAN METODE SUPPORT VECTOR MACHINE ().Teknik Informatika:FTI,2025.Text
Turabian Style
.KLASIFIKASI SENTIMEN TERHADAP CALON PRESIDEN 2024 MENGGUNAKAN METODE SUPPORT VECTOR MACHINE ().Teknik Informatika:FTI,2025.Text
