<![CDATA[Pemindahan Ibu Kota Negara (IKN) adalah keputusan strategis yang memicu berbagai tanggapan dan reaksi dari berbagai pihak. Analisis sentimen terhadap pemindahan IKN menjadi suatu aspek penting untuk memahami pola pikir dan sikap masyarakat terhadap keputusan tersebut. Studi ini bertujuan untuk melakukan perbandingan performa algoritma klasifikasi terhadap analisis sentimen pada data teks yang berisi opini dan pendapat masyarakat terkait pemindahan IKN menggunakan metode oversampling Synthetic Minority (SMOTE) untuk mengatasi masalah ketidakseimbangan dalam data sentimen. Dua algoritma klasifikasi, yaitu Support Vector Machine (SVM) dan Random Forest, dievaluasi dalam konteks ini. Hasil penelitian menunjukkan peningkatan signifikan dalam performa kedua algoritma setelah penerapan metode SMOTE. Performa algoritma SVM meningkat dari 85% menjadi 92%, sementara algoritma Random Forest meningkat dari 84% menjadi 91%. Hasil ini menunjukkan bahwa metode SMOTE efektif dalam meningkatkan kemampuan algoritma klasifikasi untuk mengatasi ketidakseimbangan data dan menghasilkan prediksi sentimen yang lebih akurat.]]>
Copyrights © 2024
