Perbandingan Metode Klasifikasi Random Forest dan SVM Pada Analisis Sentimen PSBB

Abstract

With the continuing increase in the spread of COVID-19 in Indonesia, has made the local government not remain silent. Several local governments in Indonesia have enacted regulations to reduce the growth of COVID-19 victims by limiting public meetings with Large-Scale Social Restrictions or LSSR. However, the implementation of this LSSR has received many comments from social media users, especially from Twitter. This research was conducted with the aim of analyzing the sentiment of implementing the LSSR with media tweets on the Twitter social media platform. The data that were successfully extracted were 466 tweet data with training data and test data having a ratio of 7 to 3. Then the data was calculated into 2 different algorithms to be compared, the first algorithm used was the Support Vector Machine (SVM) algorithm and Random Forest with the aim get the most accurate sentiment analysis results. Abstrak—Terusnya bertambah angka persebaran COVID-19 di Indonesia membuat pemerintah tidak tinggal diam. Beberapa pemerintah daerah di Indonesia menetapkan peraturan untuk mengurangi laju pertumbuhan korban COVID-19 dengan membatasi pertemuan di publik dengan Pembatasan Sosial Berskala Besar atau PSBB. Namun, penerapan PSBB ini ternyata menerima banyak komentar dari pengguna media sosial khususnya melalui media sosial Twitter. Penelitian ini dilakukan dengan tujuan untuk menganalisis sentimen publik mengenai penerapan PSBB dengan medium tweet pada platform media sosial Twitter. Data yang berhasil di gali sebanyak 466 data tweet dengan data latih dan data tes memiliki perbandingan 7 banding 3. Kemudian data tersebut dikalkulasikan kedalam 2 algoritma yang berbeda untuk dikomparasikan, algoritma pertama yang digunakan adalah algoritma Support Vector Machine (SVM) dan Random Forest dengan objektif mendapatkan hasil analisis sentimen terakurat. Kata Kunci—Sentiment Analysis, COVID-19, PSBB, Support Vector Machine, Random Forest