Article Per Year (5 Year)
p-Index From 2021 - 2026
0.23
P-Index
This Author published in this journals
All Journal JUSIFOR : Jurnal Sistem Informasi dan Informatika
Qorry Aina Fitroh
Universitas Islam Negeri K.H. Abdurrahman Wahid Pekalongan, Indonesia
Computer Science & IT Decision Sciences, Operations Research & Management Engineering Library & Information Science

Published : 1 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 1 Documents
Search

 1 
Evaluasi Strategi Penanganan Ketidakseimbangan Kelas pada Klasifikasi Sentimen Multikelas Ulasan Aplikasi ChatGPT Qorry Aina Fitroh; M. Sa’id Abdurrohman Kunta Mardlian; Indra Kurniawan; Muhammad Kildah Namariq
JUSIFOR : Jurnal Sistem Informasi dan Informatika Vol 5 No 1 (2026): JUSIFOR - Juni 2026
Publisher : Fakultas Sains Dan Teknologi, Universitas Raden Rahmat Malang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.70609/jusifor.v5i1.9714

Abstract

Ketidakseimbangan kelas pada dataset ulasan aplikasi berpotensi menimbulkan bias sistematis pada model klasifikasi sentimen berbasis machine learning. Penelitian ini mengevaluasi empat strategi penanganan ketidakseimbangan data, yaitu baseline, SMOTE, class weighting, dan kombinasi keduanya pada tiga algoritma klasifikasi, yakni Support Vector Machine (SVM), Random Forest, dan Logistic Regression menggunakan 10.000 ulasan dari aplikasi ChatGPT di Google Play Store. Representasi fitur dilakukan dengan TF-IDF dan dievaluasi menggunakan 5-fold cross-validation. Skenario baseline mencapai akurasi tertinggi sebesar 0,90, namun memiliki F1-score makro terendah berkisar antara 0,52 hingga 0,55 yang mengindikasikan dominasi kelas mayoritas. Penerapan class weighting secara konsisten menghasilkan F1-score makro tertinggi sebesar 0,58 untuk SVM dan Logistic Regression, sementara SMOTE tidak menunjukkan peningkatan yang konsisten. Hasil ini menegaskan adanya trade-off antara akurasi dan keseimbangan kinerja antarkelas, serta efektivitas strategi penanganan ketidakseimbangan bersifat bergantung pada algoritma yang digunakan.
Co-Authors Indra Kurniawan M. Sa’id Abdurrohman Kunta Mardlian Muhammad Kildah Namariq