Pendeteksian Sarkasme Pada Analisis Sentimen Terhadap Selebgram Menggunakan Support Vector Machine Dan K-Nearest Neighbors

Analisis sentimen sebuah proses dalam melakukan ekstraksi atribut pada sebuah dokumen atau teks berisi opini untuk mengetahui maksud pada sebuah opini apakah dikategorikan positif atau negatif. Adanya sarkasme pada data dalam proses analisis sentimen mengakibatkan kesalahan pada hasil klasifikasi karena ambiguitas akan mempengaruhi pada polaritas sentimen. Pada sebuah tweet sering terdapat sebuah kalimat sarkasme sehingga akan dilakukan pendeteksian sarkasme dengan tahapan praproses case folding, cleaning, tokenizing, normalization, convert negation, stopword untuk sentimen tanpa deteksi sarkas menggunakan Support Vector Machine dan deteksi sarkas menggunakan K-Nearest Neighbor. Data yang digunakan pada penelitian ini adalah 650 data, dengan rasio data latih dan data uji terbaik didapatkan pada rasio 80;20, dari hasil pengujian terhadap data tersebut didapatkan hasil akurasi dengan confusion matrix pada analisis sentimen menggunakan Support Vector Machine dengan pengujian parameter C terbaik 1,5 dengan kernel Linear yang menghasilkan akurasi 82% lalu untuk deteksi sarkasme menggunakan K-Nearest Neighbors dengan pengujuian parameter K terbaik K=25 dengan algo metric euclidean yang menghasilkan akurasi 77%, dan pada hasil akurasi sentimen dengan deteksi sarkas mendapatkan akurasi 78%. Penurunan perfomansi akurasi yang terjadi pada klasifikasi sentimen dengan deteksi sarkasme sebesar 4%.