Analisis Sentimen Menggunakan Metode Klasifikasi Support Vector Machine (SVM) dan Seleksi Fitur Chi-Square

Abstract

Analisis sentimen adalah teknik komputasi untuk mengidentifikasi opini, sikap, emosi, dan maksud seseorang terhadap suatu subjek melalui ulasan yang diberikan. Studi sebelumnya menunjukkan teknik analisis sentimen menggunakan machine learning, seperti metode klasifikasi Support Vector Machine (SVM) telah terbukti efektif dalam mengklasifikasi opini. Penerapan metode seleksi fitur dapat meningkatkan performa model dan efisiensi model. Salah satu metode yang sering digunakan untuk seleksi fitur adalah metode Chi-Square. Penelitian ini bertujuan untuk memperoleh model SVM dari data teks yang telah melewati tahap seleksi fitur Chi-Square. Analisis sentimen dilakukan dengan kerangka kerja yang terdiri dari text preprocessing, representasi kata Term Frequency Inverse Document Frequency (TF-IDF), seleksi fitur Chi-Square, klasifikasi menggunakan metode SVM, evaluasi performa model, dan hyperparameter tuning.