Klasifikasi Sentimen Masyarakat Di Twitter Terhadap Ganjar Pranowo Dengan Metode Support Vector Machine

Abstrak−Klasifikasi sentimen masyarakat terhadap Ganjar Pranowo di Twitter dapat memberikan wawasan tentang popularitas, dukungan, atau kritik yang diterimanya. Penelitian ini bertujuan untuk mengklasifikasikan sentimen masyarakat terhadap Ganjar Pranowo di Twitter menggunakan metode Support Vector Machine (SVM). Data penelitian terdiri dari 4000 tweet yang dikumpulkan dari Twitter. Setelah melalui tahap preprocessing, tweet tersebut diklasifikasikan menggunakan SVM menjadi kelas positif atau negatif. Metode klasifikasi dioptimasi untuk menghasilkan model yang paling optimal dengan cara pengujian pengaruh tahapan seleksi fitur dan SVM parameter tuning. Data dibagi menjadi 80% training (TRAIN_SET) dan 20% testing (TEST_SET). Model optimal divalidasi melalui 10% dari TRAIN_SET yang diambil secara acak untuk data validasi. Variasi eksperimen untuk penelusuran model optimal dilakukan sebanyak 16 experiment. Hasil validasi tertinggi (top rank 4 model) diujikan pada TEST_SET, menghasilkan F1-score sebesar 84.13%, 84.13%, 84.13% dan 84.13% untuk ID experiment 1, 7, 14 dan 16 secara berturut-turut. Dalam penelitian ini, SVM cukup efektif untuk mengklasifikasikan sentimen tweet terkait Ganjar Pranowo di Twitter. Kata Kunci: Twitter; Ganjar Pranowo; Klasifikasi; Support Vector Machine; Pytho