Klasifikasi Sentimen X-Twitter Perihal Pemindahan Ibu Kota Indonesia menggunakan Ekstraksi Fitur TF-IDF dan Metode Support Vector Machine (SVM)

Abstract

Pemindahan Ibu Kota Negara (IKN) Indonesia telah menjadi topik yang sering diperbincangkan di media sosial, khususnya Twitter, namun klasifikasi sentimen yang akurat terhadap opini publik masih menjadi tantangan, hal ini penting untuk memahami respons masyarakat. Penelitian ini bertujuan untuk mengklasifikasikan sentimen masyarakat terkait pemindahan IKN menggunakan metode Support Vector Machine (SVM) dengan ekstraksi fitur TF-IDF, serta mengevaluasi akurasi metode tersebut dalam menganalisis opini publik. Untuk mencapai tujuan tersebut, data tweet dikumpulkan melalui proses crawling, kemudian melalui tahap pre-processing dan pembobotan kata menggunakan TF-IDF. Hasil penelitian menunjukkan bahwa metode SVM dengan kernel Linear dan pembobotan TF-IDF mampu mengklasifikasikan sentimen dengan tingkat akurasi sebesar 64%. Hal ini menunjukan bahwa metode SVM dengan pembobotan TF-IDF mampu mengklasifikasikan sentimen dengan tingkat keakuratan yang cukup baik. Namun memiliki beberapa kekurangan contohnya seperti keterbatasan data, data yang tidak seimbang pada hasil pelabelan dan pada tahap pre-processing masih ada kata yang belum terhapus seperti kata ‘yg’, ‘ga’, ‘gak’, ‘jd’ dan sebagainya yang dapat mempengaruhi pembobotan kata karena kata tersebut sering muncul disetiap dokumen.