<![CDATA[Penelitian ini menganalisis perbandingan performa model Support Vector Machine (SVM) dalam klasifikasi sentimen komentar terkait Timnas Sepakbola Indonesia di era Shin Tae Yong yang diperoleh dari Twitter. Meskipun model SVM memberikan hasil yang memadai, akurasi dan efisiensi klasifikasi sentimen masih memiliki potensi untuk ditingkatkan. Oleh karena itu, tujuan penelitian ini adalah untuk meningkatkan performa model SVM dalam klasifikasi sentimen komentar dengan menggunakan optimasi parameter. Dataset yang digunakan terdiri dari 398 tweet dengan dua atribut utama yaitu komentar dan label. Atribut komentar berisi teks, sementara label menunjukkan klasifikasi sentimen, yaitu positif dan negatif. Model SVM diuji pertama kali tanpa optimasi untuk mendapatkan baseline, kemudian dilakukan optimasi menggunakan Particle Swarm Optimization (PSO). Pengukuran performa dilakukan dengan nilai akurasi, presisi, recall, dan F1-score. Hasil penelitian menunjukkan bahwa model SVM tanpa optimasi menghasilkan nilai akurasi, presisi, recall, dan F1-score yang memadai namun masih dapat ditingkatkan. Setelah dilakukan optimasi menggunakan PSO, performa model meningkat secara signifikan, dengan peningkatan sebesar 3,8% pada akurasi, presisi, dan recall, serta 4% pada F1-score. Hasil ini menunjukkan bahwa optimasi parameter menggunakan PSO berhasil meningkatkan keakuratan dan efisiensi klasifikasi sentimen, memberikan wawasan lebih dalam tentang persepsi publik terhadap Timnas Sepakbola Indonesia melalui media sosial]]>
Copyrights © 2025
