Analisis Sentimen Publik Di Platform X (Twitter) Terhadap Karapan Sapi Menggunakan Metode Support Vector Machine (SVM) Dengan Seleksi Fitur Information Gain

Karapan sapi merupakan tradisi budaya Indonesia yang memicu beragam opini publik, khususnya di media sosial seperti X (Twitter). Untuk memahami persepsi masyarakat terhadap tradisi ini, diperlukan klasifikasi opini publik yang akurat. Penelitian ini menggunakan 644 data opini dengan metode Support Vector Machine (SVM) sebagai model klasifikasi, serta ekstraksi fitur dan pembobotan kata menggunakan Term Frequency-Inverse Document Frequency (TF-IDF). Namun, tingginya jumlah dimensi dari hasil ekstraksi fitur dapat menghambat kinerja klasifikasi. Oleh karena itu, seleksi fitur dilakukan dengan metode Information Gain untuk mengurangi dimensi dan meningkatkan akurasi. Optimasi parameter menggunakan Grid Search (IG) juga diterapkan untuk mendapatkan hasil yang optimal. Dengan pendekatan ini, diharapkan penelitian dapat memberikan hasil analisis sentimen yang lebih akurat dan efisien, serta membantu dalam memahami opini publik secara lebih mendalam terhadap karapan sapi. Metode Grid Search dan Information Gain digunakan untuk seleksi fitur. Hasil menunjukkan bahwa pada 90% fitur dengan pembagian data 50% train dan 50% test, akurasi mencapai 87% dengan waktu komputasi 154 Seconds. Sementara pada 55% fitur dengan pembagian data 80% train dan 20% test, akurasi meningkat menjadi 94%, dengan waktu komputasi 174 Seconds. Penggunaan Grid Search pada hyperparameter SVM menunjukkan bahwa penggunaan hyperparameter dapat meningkatkan kinerja. Dibandingkan dengan tanpa seleksi fitur, penggunaan Information Gain mengurangi waktu komputasi secara signifikan, sementara akurasi meningkat dari 87% menjadi 94%.