Analisis Sentimen Ulasan Jamu Madura Menggunakan Metode Support Vector Machine Dengan Seleksi Fitur Chi-Square

Dengan semakin berkembangnya teknologi dan popularitas media sosial, banyak orang berbagi ulasan tentang produk yang digunakan, termasuk tentang jamu madura. Karena kepopulerannya sebagai produk kesehatan alami, jamu Madura seringkali menjadi objek dari ulasan oleh para konsumen. Untuk mengetahui pandangan konsumen dibutuhkan sistem dengan metode yang dapat menganalisis sentimen terhadap ulasan jamu Madura. Metode yang diusulkan dalam penelitian ini dalam mengatasi permasalahan tersebut mengunakan algoritma SVM dengan kernel RBF sebagai metode klasifikasi untuk analisis sentiment. SVM merupakan metode klasifikasi yang memiliki performansi lebih baik dibanding metode yang lainnya. Akan tetapi, SVM memiliki kekurangan dalam pemilihan fitur yang sesuai dan ChiSquare sebagai metode seleksi fitur yang digunakan dalam penelitian ini yang bertujuan untuk mengurangi fitur agar dapat meningkatkan performa analisis sentiment. Adapun data ulasan jamu madura yang digunakan dalam penelitian ini diambil dari Tokopedia sebanyak 556 data ulasan. Dari hasil penelitian memperlihatkan bahwa SVM dengan menggunakan seleksi fitur chi-square memiliki performa lebih baik dengan akurasi sebesar 88.3 %, presisi sebesar 92% dan recall sebesar 84% dibandingkan SVM hanya menghasilkan akurasi sebesar 87.5% dengan presisi sebesar 92% dan recall sebesar 82%. Dari pengujian ini dapat disimpulkan bahwa seleksi fitur chi-square meningkatkan performa analisis sentiment.