KOMPARASI ALGORITMA SUPPORT VECTOR MACHINE DAN RANDOM FOREST UNTUK ANALISIS SENTIMEN METAVERSE

Abstract

Fenomena metaverse menggambarkan transformasi signifikan dalam interaksi manusia dengan dunia digital. Saat ini, pemerintah dan industri berupaya memahami arah pengembangan metaverse untuk mewujudkan digitalisasi dalam berbagai sektor. Penelitian ini menggunakan data media sosial X untuk melakukan analisis sentimen publik terhadap metaverse. Metode klasifikasi teks dibangun menggunakan model algoritma Support Vector Machine dan Random Forest. Dengan melakukan komparasi kedua model tersebut dan menerapkan metode optimasi SMOTE maka eksperimen ini menghasilkan akurasi yang tinggi. Hasilnya menunjukkan bahwa kedua model menghasilkan akurasi sebesar 91% untuk model algoritma Random Forest dan 90% untuk model algoritma Support Vector Machine. Dengan demikian dapat disimpulkan bahwa model algoritma Random Forest lebih baik dari Support Vector Machine. Selain itu penerapan SMOTE terbukti meningkatkan kemampuan untuk mengenali sentimen positif pada keduanya, meskipun terjadi trade-off antara recall dan precision. Trade-off terjadi karena adanya keterbatasan dalam model klasifikasi yang membuat peningkatan dalam satu metrik akan mengakibatkan penurunan dalam metrik lainnya, karena algoritma harus mengambil keputusan yang mengoptimalkan keduanya secara bersamaan.