Analisis Sentimen Impor Beras 2018 Pada Twitter Menggunakan Metode Support Vector Machine dan Pembobotan Jumlah Retweet

Abstrak

Media sosial Twitter merupakan salah satu basis data real time terbesar dan sangat berguna untuk mengetahui persepsi masyarakat di Indonesia. Permasalahan polemik impor beras pada tweet Twitter menjadi hal yang penting untuk dikaji sebagai pemrosesan teks. Pada penelitian ini membahas  analisis sentimen pada Twitter impor beras 2018 menggunakan metode Support Vector Machine (SVM) dan Pembobotan Jumlah Retweet. Penggunaan fitur pembobotan jumlah retweet menggunakan perbandingan nilai konstanta (α dan β) tertentu sebanyak 11 kali untuk memperoleh hasil analisis kelas positif dan negatif. Data yang digunakan pada penelitian ini sebanyak 318 data yang terdiri dari dua jenis data yaitu data latih dan data uji dengan perbandingan 70% data latih dan 30% data uji. Dari hasil pengujian akurasi dengan menggunakan metode Support Vector Machine tanpa pembobotan jumlah retweet sebesar 50,00%, precision sebesar 49,46%, recall sebesar 97,87%, dan f-measure sebesar 65,71%. Hasil pengujian akurasi dengan menggunakan metode Support Vector Machine dengan pembobotan jumlah retweet sebesar 50,00%, precision sebesar 49,46%, recall sebesar 01,00% dan f-measure sebesar 65,73%. Dapat disimpulkan bahwa penggunaan fitur pembobotan jumlah retweet dapat memberikan hasil yang cukup optimal dan mampu melakukan klasifikasi dalam analisis sentimen.