Penerapan Metode Support Vector Machine dengan Pemilihan Fitur Khi-kuadrat pada Klasifikasi Sentimen Data Twitter

Abstract

Debat Capres dan Cawapres yang diadakan menjelang Pilpres merupakan topik yang banyak diperbincangkan. Pengguna sosial media dianggap memiliki pengaruh besar pada Pilpres. Twitter merupakan salah satu media sosial yang paling sering digunakan di Indonesia. Opini publik yang terbentuk akan beragam, sehingga sentimen dalam setiap opini publik menarik untuk dianalisis. Penelitian ini menggunakan geovisualisasi untuk memetakan frekuensi tweets, social network untuk mengetahui persebaran kelompok perbincangan, dan awan kata untuk mengidentifikasi topik yang sering dibahas. Pengelompokan sentimen menggunakan metode klasifikasi Support Vector Machine (SVM) dengan pemilihan fitur yaitu pemberian bobot khi-kuadrat pada tiap kata. Tweets mengenai debat Capres Cawapres yang diambil dari tanggal 14 sampai 20 Januari 2019 menunjukkan Pulau Jawa sebagai wilayah teraktif melakukan tweet sebaliknya wilayah Indonesia bagian Timur sebagai wilayah paling tidak aktif melakukan tweet. Pemilik akun anggota tim sukses, saluran berita, dan penyelenggara polling adalah akun paling populer mendapat retweet. Pemodelan klasifikasi dengan SVM menunjukkan pemberian bobot khi-kuadrat dengan nilai maksimum memiliki macro average dari F-measure lebih tinggi daripada pembobotan khi-kuadrat dengan nilai rataan pada saat mengklasifikasikan data validasi, yaitu sebesar 67.07%. Prediksi data tweet menggunakan model ini menunjukkan sentimen netral selalu memiliki frekuensi tertinggi, sedangkan frekuensi sentimen negatif selalu lebih tinggi daripada sentimen positif.