SUPPORT VECTOR MACHINE DENGAN SELEKSI FITUR CHI-SQUARE PADA ANALISIS SENTIMEN TWITTER

Abstract

Perkembangan media sosial Twitter menjadi munculnya informasi tekstual dalam jumlah yang tidak terbatas, sehingga nilai dari informasi ini perlu dikaji. Istilah di Twitter yang disebut Tweet yang merupakan pesan atau status yang dibuat oleh penggunanya. Setiap tweet yang diekspresikan dalam twitter memiliki nilai makna positif dan negatif serta komentar-komentar yang ada dalam Twitter. Algoritma yang paling banyak diteliti dalam analisis sentimen yaitu Support Vector Machine karena bekerja dengan sangat baik. Meskipun memiliki sedikit kekurangan dalam hal lebih sensitif terhadapa fitur yang bisa berpengaruh pada pemprosesan, namun hal ini penulis mencoba mengimplementasi algoritma chi square untuk seleksi fitur. Setelah dilakukan pengujian terhadapa 2000 sampel data dengan penggunaan 0 sampai 100 % dari jumlah fitur yang sudah diseleksi maka didapatkan hasil akurasi SVM yang paling bagus berada pada penggunaan 80% fitur. Hal ini dibuktikan dengan nilai accuracy score sebesar 0.889 (88.9%), precision score 0.8843873517786561 (88.44%), recall score 0.895 (89.5%) dan f1 score 0.889662027833002 (88.96%).