<![CDATA[Munculnya nama-nama baru yang akan mengikuti bursa calon bupati Sleman dan bersaing dengan petahana menjadi trending topik di kalangan masyarakat salah satunya di sosial media twitter (X).Selama ini penilaian sentimen hanya dibagi kedalam tiga kategori yaitu positif, netral dan negatif. Fuzzy logic dapat digunakan untuk menentukan lebih dari 3 sentimen. Pada penelitian ini akan mengkolaborasikan library Textblob dengan Fuzzy Logic. Dengan mengambil nilai polarity yang dihasilkan dari library Textblob, selanjutnya akan diolah dengan menggunakan metode fuzzy untuk mendapatkan hasil kedalam 7 sentimen yaitu positif kuat, positif, positif lemah, netral, negatif lemah, negatif dan negatif kuat. Model akan dikembangkan menggunakan machine learning, dengan algoritma Support Vector Machines (SVM) untuk mengidentifikasi dan mengklasifikasikan ulasan ke dalam kategori sentimen yang sesuai. Selanjutnya, model akan dievaluasi dengan confusion matrix untuk memperoleh nilai parameter seperti accuracy, precision, recall dan f1-score. Hasil dari penelitian ini, menunjukkan peningkatan yang signifikan pada kategori netral sebesar 19,21%. Nilai akurasi rata-rata 70,4% hal ini menunjukkan kinerja sistem cukup baik; Sedangkan pada pengembangan model dengan metode SVM kategori negatif kuat memperoleh nilai presisi tertinggi yaitu 0,79. Pada kategori Positive Lemah model mendapatkan presisi (0,65), recall(0,56) dan f1-score (0,60 ); ini menunjukkan bahwa performa model seimbang.]]>
