Support Vector Machine untuk Analisis Sentimen Masyarakat Terhadap Penggunaan Antibiotik di Indonesia

Abstract

Peningkatan penggunaan antibiotik secara global termasuk di Indonesia, seringkali irasional dan tanpa resep berpotensi menyebabkan resistensi bakteri. Analisis sentimen data Twitter menggunakan query "antibiotik" dapat membantu mengungkap opini publik. Penelitian ini bertujuan untuk menerapkan algoritma Support Vector Machine (SVM) dengan kernel linear, RBF, dan polynomial, menggabungkan berbagai metode seperti pelabelan dengan RoBERTa, pelatihan dengan 5 cross validation, dan tokenizing bigram. Tiga skenario digunakan  dalam penelitian ini dan yang menghasilkan nilai akurasi tertinggi yaitu skenario ketiga yang menggunakan slangword dari ramaprakoso dan stopword dari sastrawi sebagai refrensi library untuk filtering, nilai setiap kernel: akurasi 99,88%, presisi 99,88%, recall 99,88%, dan f1 score 99,88%. Metode SMOTE juga mempengaruhi hasil ini. Dari hasil pengujian, dapat disimpulkan bahwa SVM efektif untuk analisis sentimen.