Penerapan Optimasi Metode Random Over Sampling (Ros) Untuk Kasus Imbalance Class Dalam Analisis Sentimen Berbasis Aspek Pada Kasus Pembatalan Piala Dunia U-20 Di Indonesia

Dalam penelitian sentimen yang berfokus pada aspek-aspek tertentu, permasalahan utama yang dihadapi adalah ketidakseimbangan antar kelas sentimen. Dampak dari ketidakseimbangan kelas sentimen ini dapat menghasilkan performa model yang kurang baik. Pada penelitian ini menggunakan random over sampling (ROS) digunakan untuk menangani ketidakseimbangan kelas sentimen berbasis aspek dengan membuat contoh kelas minoritas menjadi sama dengan kelas jumlah mayoritas.Analisis Preprocessing, merupakan tahap untuk memproses data agar data menjadi lebih terstuktur dan lebih siap untuk diolah. Langkah yang dilakukan pada tahap preprocessing terdiri dari Case Folding, Cleaning, Normalization, Stopword Removal, Tokenization, Stemming, Convert Negasi. Kemudian akan dilakukan klasifikasi dengan menggunakan metode random over sampling (ROS) dan K-Nearest Neighbour (KNN). Dari keseluruhan tahapan yang telah dilakukan dalam analisis sentimen berbasis aspek dengan teknik balancing data Random Over Sampling pada metode K-Nearest Neighbor dalam kasus pembatalan piala dunia u20 di indonesia, didapatkan kesimpulan bahwa analisis sentimen berbasis aspek menggunakan KNN + ROS memperoleh akurasi 94%, lebih tinggi dibandingkan hanya menggunakan KNN yang memperoleh nilai rata-rata akurasi 91%.