Eksplorasi Model Prediksi Sentimen Postingan Di Media Sosial

Abstrak

Analisis sentiment menjadi teknik analisis teks yang bisa digunakan untuk memahami opini, perasaan atau sentiment dari suatu teks. Penelitian ini bertujuan mengeksplorasi dan membandingkan model prediksi sentiment pada data media sosial dengan tiga algoritma yaitu GaussianNB, Logistic Regression dan Support Vector Machine (SVM). Dataset yang digunakan diambil dari www.kaggle.com yang terdiri dari postingan media sosial dari platform Twitter, Facebook dan Instagram dengan kategori senteimen positif, negative dan netral. Proses analisis dengan preprocessing data teks, pelabelan data, ekstraksi fitur dengan Bag of Words (BoW) dan TF-IDF serta penanganan ketidakseimbangan data dengan SMOTE. Hasil penelitian menunjukkan model SVM dengan TF-IDF dan SMOTE performa terbaik dengan akurasi 93,25% pada data latih dan 92,50% data uji. Penelitian ini memberikan kontribusi dalam menentukan model terbaik untuk analisis sentimen data media sosial dan dapat menjadi acuan dalam pengembangan sistem prediksi sentiment lebih baik di masa depan.