Implementasi Pendeteksian Satire Dengan Algoritma Support Vector Machine Dalam Analisis Sentimen Terhadap Tokoh Politik Di Indonesia

Perkembangan media yang begitu pesat, memunculkan banyak media online dari media berita sampai media sosial. Media sosial sekarang ini tidak hanya digunakan sebagai sarana pertemanan, mencari teman, tapi sudah banyak digunakan untuk kegiatan lain. Promo dagangan, jual beli apa saja sampai menjadi wadah orang – orang dalam menyindir atau mengkritik tokoh politik. Namun, dengan begitu banyaknya opini akan mempersulit pengguna lain untuk memperoleh informasi tersebut. Analisis sentimen merupakan sebuah proses untuk menganalisis atau mengidentifikasi sebuah opini. Dalam menganalisis sentimen, diperlukan klasifikasi, salah satu klasifikasi yang sangat populer dan akurat yaitu SVM (Support Vector Machine). Namun SVM mempunyai kelemahan terhadap pemilihan fitur yang dapat mempengaruhi akurasi. Penelitian ini bertujuan untuk mengukur performansi algoritma Support Vector Machine pada kasus implementasi pendeteksian satire dalam analisis sentimen terhadap tokoh politik di indonesia. Pada penelitian ini menggunakan algoritma klasifikasi support vector machine dengan kernel polinomial. Data yang digunakan adalah sebanyak 1010 data. Berdasarkan hasil pengujian yang dilakukan dengan menggunakan confusion matrix mendapatkan hasil akurasi tertinggi sebesar 71%.