<![CDATA[Penelitian ini bertujuan untuk menganalisis sentimen pengguna terhadap perkembangan Artificial Intelligence (AI) dengan membandingkan kinerja tiga algoritma machine learning: Naive Bayes (NB), Support Vector Machine (SVM), dan K-Nearest Neighbors (KNN). Dataset yang digunakan dalam penelitian ini terdiri dari 5044 tweet yang dikumpulkan dari platform media sosial X yang merepresentasikan opini dan pandangan pengguna tentang perkembangan AI. Proses pengumpulan data melibatkan pemilihan tweet yang relevan dengan menggunakan keyword terkait perkembangan AI, diikuti dengan tahap preprocessing untuk membersihkan dan menghilangkan noise serta kata yang tidak relevan. Evaluasi dilakukan dengan mengukur akurasi, presisi, recall, dan F1-score setiap algoritma dalam mengklasifikasikan sentimen tweet sebagai positif, negatif, atau netral. Hasil penelitian menunjukkan bahwa algoritma SVM secara signifikan lebih efektif dalam menangani analisis sentimen dibandingkan NB dan KNN, dengan akurasi masing-masing algoritma sebagai berikut: SVM=93%, NB=91%, dan KNN=81%. Penelitian ini dapat memberikan wawasan penting mengenai pemilihan algoritma machine learning yang optimal untuk analisis sentimen dan dapat membantu peneliti dan praktisi dalam memilih metode yang tepat untuk evaluasi sentimen di berbagai topik]]>
Copyrights © 2024
