<![CDATA[Analisis sentimen adalah salah satu cabang pemrosesan bahasa alami (NLP) yang bertujuan untuk mengidentifikasi opini dalam teks. Penelitian ini mengusulkan model analisis sentimen dengan menggunakan kombinasi Word2Vec sebagai teknik representasi fitur dan Support Vector Machine (SVM) sebagai algoritma klasifikasi. Dataset yang digunakan adalah Amazon Customer Reviews, dengan 500 ribu sampel ulasan produk yang dilabeli sebagai sentimen positif atau negatif. Model yang diusulkan dibandingkan dengan baseline seperti Naive Bayes dan Logistic Regression, yang menggunakan representasi fitur berbasis TF-IDF.Hasil evaluasi menunjukkan bahwa SVM dengan Word2Vec menghasilkan akurasi 91.3\%, precision 90.8\%, recall 92.1\%, dan F1-score 91.4\%, lebih unggul dibandingkan model baseline. Grafik Precision-Recall Curve dan ROC Curve memperkuat temuan bahwa Word2Vec memberikan representasi fitur yang lebih informatif, yang secara signifikan meningkatkan performa SVM dalam tugas klasifikasi teks.Penelitian ini membuktikan efektivitas kombinasi Word2Vec dan SVM untuk analisis sentimen pada dataset besar dan kompleks. Pendekatan ini relevan untuk berbagai domain, seperti e-commerce dan analisis opini di media sosial, serta membuka peluang untuk pengembangan lebih lanjut menggunakan model berbasis transformer.]]>
Copyrights © 2025
