Teks

OPTIMASI ALGORITMA SUPPORT VECTOR MACHINE (SVM) MENGGUNAKAN TEKNIK SMOTE UNTUK ANALISIS SENTIMEN PUBLIK TERHADAP DAMPAK PENGGUNAAN ARTIFICIAL INTELLIGENCE (AI)

---

Perkembangan teknologi Artificial Intelligence (AI) telah memunculkan berbagai
opini publik yang beragam, terutama di media sosial. Analisis sentimen menjadi
salah satu pendekatan penting untuk mengetahui persepsi masyarakat terhadap
penggunaan AI. Namun, tantangan yang sering muncul dalam analisis sentimen
adalah ketidakseimbangan data antar kategori sentimen, yang dapat menurunkan
performa algoritma klasifikasi. Penelitian ini bertujuan untuk mengoptimalkan
algoritma Support Vector Machine (SVM) dalam klasifikasi sentimen terhadap

opini publik mengenai AI dengan menerapkan teknik Synthetic Minority Over-
sampling Technique (SMOTE) guna mengatasi ketidakseimbangan data dan

meningkatkan akurasi klasifikasi.
Data yang digunakan dalam penelitian ini diperoleh dari media sosial X, dengan
tiga kategori sentimen: positif, negatif, dan netral. Tahapan preprocessing yang
dilakukan meliputi cleaning, case folding, normalisasi, tokenizing, stopword
removal, dan stemming. Setelah itu, dilakukan pembobotan kata menggunakan
metode TF-IDF. Untuk proses klasifikasi, digunakan algoritma SVM dengan tiga
jenis kernel: Linear, RBF, dan Polynomial. Validasi model dilakukan
menggunakan teknik K-Fold Cross Validation, sedangkan pengujian performa
model dilakukan menggunakan confusion matrix dengan mengukur akurasi, presisi,
recall, dan f1-score.
Hasil penelitian menunjukkan bahwa penerapan SMOTE mampu meningkatkan
rata-rata akurasi algoritma SVM, khususnya pada kernel RBF dan Polynomial.
Berdasarkan rata-rata hasil dari proses K-Fold Cross Validation dengan nilai K dari
2 hingga 10, akurasi kernel RBF meningkat dari 76.56% menjadi 81.22%, dan
kernel Polynomial dari 71.89% menjadi 78.00%. Kernel Linear menunjukkan
performa yang relatif stabil, dengan akurasi dari 80.44% menjadi 80.00%. Dengan
demikian, teknik SMOTE terbukti efektif dalam mengoptimalkan algoritma SVM
untuk analisis sentimen terhadap penggunaan AI, baik dalam meningkatkan akurasi
maupun dalam menangani ketidakseimbangan data.

---

Ketersediaan

S00010.25

RF TI.S00010.25 Aen o

My Library (Referensi)

Tersedia

Informasi Detail

Judul Seri

-

No. Panggil

RF TI.S00010.25 Aen o

Penerbit

Paguyangan : Universitas Muhammadiyah Brebes., 2025

Deskripsi Fisik

xx,141hlm.;30cm

Bahasa

Indonesia

ISBN/ISSN

-

Klasifikasi

TI.S00010.25

Tipe Isi

-

Tipe Media

-

Tipe Pembawa

-

Edisi

-

Subjek

Analisis Sentimen
SMOTE
Artificial Intelligence
Support Vector Machine

Info Detail Spesifik

Dilengkapi CD

Pernyataan Tanggungjawab

Khurotul Aen 21.01.0.0018 Tugas Akhir diajukan sebagai salah satu syarat untuk memperoleh gelar Sarjana

Versi lain/terkait

Lampiran Berkas

Komentar

---

Anda harus masuk sebelum memberikan komentar