Article Per Year (5 Year)
p-Index From 2020 - 2025
0.23
P-Index
This Author published in this journals
All Journal JATI (Jurnal Mahasiswa Teknik Informatika)
Hilman Habib Habibi, Muhammad
Unknown Affiliation
Computer Science & IT

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

Found 1 Documents
Search
Journal : JATI (Jurnal Mahasiswa Teknik Informatika)

 1 
KOMPARASI KINERJA ALGORITMA SVM DAN RF DALAM KLASIFIKASI SENTIMEN DENGAN DETEKSI SARKASME PADA KOMENTAR YOUTUBE Hilman Habib Habibi, Muhammad; Dyar Wahyuni, Eka; Permatasari, Reisa
JATI (Jurnal Mahasiswa Teknik Informatika) Vol. 9 No. 2 (2025): JATI Vol. 9 No. 2
Publisher : Institut Teknologi Nasional Malang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.36040/jati.v9i2.13205

Abstract

Youtube merupakan salah satu platform berbagi video yang paling sering diakses di Indonesia, terutama dengan maraknya diskusi mengenai PILKADA 2024. Beragam isu yang muncul menjelang PILKADA 2024 ini memicu pro dan kontra, mendorong masyarakat untuk memberikan tanggapan melalui media sosial. Klasifikasi sentimen bertujuan mengelompokkan opini menjadi positif atau negatif, namun sering menghadapi hambatan akibat keberadaan sarkasme, yaitu bentuk ironi yang menyampaikan makna bertentangan dengan pernyataan eksplisit. Dalam penelitian ini, data diperoleh melalui crawling komentar Youtube. Data tersebut kemudian diproses melalui tahapan cleaning, case folding, dan stemming. Klasifikasi sentimen dengan deteksi sarkame ini akan menggunakan algoritma Support Vector Machine (SVM) dan Random Forest (RF) dengan berbagai skenario, termasuk pembagian data menggunakan metode holdout dengan rasio 80:20 dan 70:30, teknik resampling Random Oversampling (ROS) dan Random Undersampling (RUS), serta pembobotan kata menggunakan TF-IDF dan TF-ABS. Berdasarkan hasil evaluasi, algoritma SVM dengan teknik ROS dan pembobotan kata TF-IDF memberikan hasil terbaik untuk klasifikasi sentimen dengan nilai 0.80, sedangkan algoritma SVM dengan TF-IDF tanpa resampling memberikan hasil terbaik untuk deteksi sarkasme dengan nilai 0.73. Hasil ini menunjukkan keandalan SVM dalam menangkap pola data yang kompleks, terutama dalam klasifikasi sentimen dengan deteksi sarkasme.
Co-Authors Permatasari, Reisa Wahyuni, Eka Dyar