PERBANDINGAN TEKNIK RESAMPLING DATA PADA KLASIFIKASI SENTIMEN WISATA TELAGA SARANGAN MENGGUNAKAN METODE RANDOM FOREST

Penelitian ini membandingkan dua teknik resampling, yaitu SMOTE dan ADASYN, untuk mengatasi masalah data sentimen yang tidak seimbang pada ulasan wisata Telaga Sarangan. Data ulasan diambil dari Google Maps dan dibagi menjadi tiga kategori sentimen, yaitu positif, negatif, dan netral. Masalah utama dalam penelitian ini adalah jumlah ulasan positif jauh lebih banyak dibandingkan ulasan netral dan negatif. Jika kondisi ini dibiarkan, model cenderung lebih mudah mengenali kelas positif, tetapi kurang baik dalam mengenali kelas netral dan negatif.Tahapan penelitian dilakukan mulai dari pengumpulan data, pelabelan sentimen, preprocessing teks, pembagian data latih dan data uji, ekstraksi fitur menggunakan TF-IDF, penerapan SMOTE dan ADASYN pada data latih, hingga klasifikasi menggunakan algoritma Random Forest. Hasil pengujian menunjukkan bahwa metode SMOTE memperoleh akurasi sebesar 80%, sedangkan ADASYN memperoleh akurasi sebesar 78%. Artinya, jika dilihat dari akurasi saja, SMOTE sedikit lebih unggul dibandingkan ADASYN. Namun, hasil evaluasi tidak cukup hanya dilihat dari akurasi. Pada penelitian ini, ADASYN menghasilkan nilai macro F1-score sebesar 0,62, sedangkan SMOTE memperoleh macro F1-score sebesar 0,58. Nilai ini menunjukkan bahwa ADASYN lebih baik dalam mengenali semua kelas sentimen secara lebih seimbang, terutama kelas minoritas seperti netral dan negatif. Dengan demikian, SMOTE lebih unggul dari sisi akurasi, tetapi ADASYN lebih baik jika tujuan penelitian adalah menghasilkan model yang lebih adil dalam mengenali setiap kelas sentimen.