Penggunaan Algoritma Support Vector Machine untuk Menganalisis Sentimen Mengenai Generasi Z di Dunia Kerja Pada Pengguna Media Sosial X

Abstract

Generasi Z dalam beberapa tahun terakhir menjadi salah satu topik yang ramai diperbincangkan di media sosial, terutama di platform X.  Banyak unggahan yang membahas generasi Z di dunia kerja, dengan sentimen yang beragam, baik positif maupun negatif. Penelitian ini bertujuan untuk mengidentifikasi polaritas sentimen tersebut dan menguji kinerja algoritma Support Vector Machine (SVM) dalam analisis sentimen dengan berbagai pembagian data. Proses klasifikasi meliputi tahapan text preprocessing, ekstraksi fitur menggunakan Term Frequency-Inverse Document Frequency (TF-IDF), resampling dataset dengan metode SMOTETomek, dan selanjutnya klasifikasi menggunakan SVM. Penelitian dilakukan dengan tiga perbandingan data training dan testing, yaitu 70:30, 80:20, dan 90:10. Algoritma SVM diuji dengan empat jenis kernel: linear, polynomial, Radial Basis Function (RBF), dan sigmoid, serta tiga nilai parameter cost (C), yaitu 0,1; 1; dan 10. Hasil penelitian menunjukkan bahwa sentimen negatif lebih dominan dibandingkan sentimen positif. Akurasi tertinggi, yaitu 0,931, diperoleh pada rasio 90:10 dengan kernel linear dan C=1.