ANALISIS SENTIME KEBUN BINATANG SURABAYA DENGAN METODE SUPPORT VECTOR MACHINE DAN RECURSIVE FEATURE ELIMINATION

Kebun Binatang Surabaya(KBS) merupakan bagian penting dari kehidupan kota Surabaya. KBS yang telah berdiri dari tahun 1916 memiliki berbagai ulasan terhadapnya sehingga membuat para wisatawan seringkali menimbang kembali ketika ingin mengunjunginya. Ulasan tersebut berisi tanggapan positif dan negatif dari berbagai kalangan masyarakat di Tripadvisor dan Google maps. Penelitian ini dilakukan untuk analisis sentimen pada sentimen ulasan Wisata KBS dengan metode Support Vector Machine (SVM). Kelebihan metode SVM adalah dapat mengolah data secara efektif untuk dimensi tinggi dan SVM relatif menghabiskan sedikit memori. Namun metode SVM memiliki kelemahan terhadap data yang memiliki fitur yang besar. Adapun tujuan dari penelitian ini menerapkan seleksi fitur Recursive Feature Elimination (RFE) untuk mengeliminasi fitur terendah agar dapat meningkatkan performa SVM. Data yang digunakan adalah data tanggapan dari ulasan KBS yang berasal dari proses scraping data melalui Tripadvisor dan Google maps yang telah diformat menjadi data excel. Data yang digunakan berjumlah 760 data. Selanjutnya dilakukan proses text preprocessing, meliputi case folding, cleaning, normalization, tokenizing, filtering, dan stemming. Setelah itu dilakukan pembobotan kata menggunakan Term Frequency-Inverse Document Frequency (TF-IDF). Data setelah dibobotkan akan dilakukan penyeimbangan data dengan metode Synthetic Minority Oversampling Technique (SMOTE). Hasil dari pengujian model klasifikasi SVM terjadi peningkatan performa apabila data telah diseimbangkan dengan accuracy sebesar 95,78%, precision 96%, recall 97%, f1-score 97% dan waktu pemrosesan 0,17 detik.