Article Per Year (5 Year)
p-Index From 2021 - 2026
0.23
P-Index
This Author published in this journals
All Journal Journal of Artificial Intelligence and Digital Business
Meida Amanda
Universitas Islam Indragiri
Computer Science & IT Economics, Econometrics & Finance Electrical & Electronics Engineering Engineering

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

Found 1 Documents
Search

 1 
Komparasi Naive Bayes dan SVM Opini Kesetaraan Gender di Tiktok dengan SMOTE Meida Amanda; Abdullah Abdullah
RIGGS: Journal of Artificial Intelligence and Digital Business Vol. 5 No. 2 (2026): Mei-Juli
Publisher : Prodi Bisnis Digital Universitas Pahlawan Tuanku Tambusai

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.31004/riggs.v5i2.10713

Abstract

Penelitian ini bertujuan membandingkan dua algoritma klasifikasi, yakni Naive Bayes dan Support Vector Machine (SVM), dalam menganalisis sentimen komentar pada platform Tiktok mengenai isu kesetaraan gender dari dua perspektif. Dataset yang digunakan berjumlah 1.600 komentar dikumpulkan dengan melakukan web scraping menggunakan web Apify. Data yang diambil mulai dari rentang waktu 2025 sampai 2026, dengan distribusi 289 komentar berlabel positif dan 1.284 komentar berlabel negatif. Peneltian ini dilakukan tahap preprocessing agar model nantinya bisa membaca dengan baik sentimennya. Tahapan dalam preprocessing terdapat cleaning, case fold, normalisasi, tokenizing, filtering dan stemming. Selanjutnya untuk pelabelan dalam penelitian ini dilakukan secara otomatis menggunakan metode berbasis lexicon dan menggunakan teknik SMOTE untuk mengatasi ketidakseimbangan data. Berikutnya hasil dari Naive Bayes dan SVM akan dievaluasi menggunakan confussion matrix yang berguna untuk mengetahui jumlah data yang berhasil dan gagal diprediksi secara benar oleh kedua model. Berdasarkan hasil pengujian, SVM lebih unggul dibandingkan dengan Naive Bayes dengan tingkat akurasi 86% berbanding 77%. Ini menandakan SVM lebih andal dalam tugas klasifikasi ini. Tingginya sentimen negatif menandakan bahwa topik kesetaraan gender di platform Tiktok masih menimbulkan perdebatan dan perbedaan pendapat di kalangan pengguna. Hasil penelitian menunjukkan bahwa SVM terbukti lebih unggul dan efektif dalam mengklasifikasikan sentimen yang berasal dari platform media social terutama Tiktok.
Co-Authors Abdullah Abdullah