<![CDATA[Media sosial, termasuk aplikasi X, kini menjadi platform utama untuk berbagai diskusi, termasuk topik terkait pertanian milenial. Meski demikian, masih terdapat perbedaan pandangan mengenai penerapan teknologi di sektor pertanian oleh petani milenial. Penelitian ini bertujuan untuk menganalisis sentimen pengguna terhadap petani milenial dengan menggunakan algoritma Support Vector Machine (SVM). Sebanyak 2.430 tweet dikumpulkan melalui teknik crawling dan diproses melalui tahapan preprocessing data, seperti tokenisasi, normalisasi, penghapusan stopword, dan stemming, serta diberikan bobot menggunakan metode Term Frequency-Inverse Document Frequency (TF-IDF). Model SVM yang dikembangkan dalam penelitian ini mengklasifikasikan sentimen ke dalam tiga kategori: positif, netral, dan negatif. Hasil eksperimen menunjukkan bahwa model SVM mencapai akurasi 70% dengan rata-rata F1-score sebesar 0,69. Model ini memiliki precision tertinggi sebesar 0,72 untuk sentimen negatif dan recall tertinggi sebesar 0,84 untuk sentimen positif. Dibandingkan dengan algoritma Naïve Bayes yang hanya memperoleh akurasi 65%, SVM terbukti lebih efektif dalam analisis sentimen berbasis teks. Temuan ini mengindikasikan bahwa SVM dapat digunakan untuk mengidentifikasi sentimen publik terhadap petani milenial dengan lebih akurat.]]>
Copyrights © 2025
