KOMPARASI SUPPORT VECTOR MACHINE DAN K-NEAREST NEIGHBOR UNTUK ANALISIS SENTIMEN PADA RESESI EKONOMI GLOBAL
Pada tahun 2022, terjadi banyak pemberitaan mengenai resesi di berbagai negara. Laporan WEO menunjukkan bahwa jumlah negara yang mengalami resesi semakin meningkat sejak Januari 2022. Presiden Joko Widodo (Jokowi) juga telah mengingatkan bahwa tahun 2023 akan menjadi tahun yang lebih sulit dalam kondisi ekonomi global. Situasi ini memunculkan berbagai persepsi, pandangan, dan opini dari masyarakat. Beberapa orang masih belum siap menghadapi ancaman resesi, sehingga komentar positif maupun negatif bermunculan. Untuk menghadapi beragam pandangan ini, dilakukan analisis sentimen melalui media sosial. Metode yang dimanfaatkan pada analisis sentimen ini yaitu Support Vector Machine (SVM) dan K-Nearest Neighbor (KNN). Penelitian ini menggunakan 20.000 data yang diperoleh melalui web scraping pada platform Twitter. Untuk membandingkan kinerja kedua metode, dilakukan evaluasi menggunakan confusion matrix. Hasil penelitian menunjukkan bahwa SVM memiliki akurasi sejumlah 90,51%, f1-score 90,23%, presisi 90,89%, dan recall 89,84%. Sementara itu, KNN memiliki akurasi sebesar 64,3%, f1-score sebesar 55,2%, presisi sebesar 72,48%, dan recall sebesar 59,36%. Berdasarkan hasil tersebut, dapat disimpulkan bahwa kinerja yang dimiliki SVM lebih baik daripada KNN dalam melakukan analisis sentimen terkait resesi ekonomi global. Selain itu, sentimen terkait resesi ekonomi global di dominasi oleh sentimen negatif.
URI
https://repo.itera.ac.id/depan/submission/SB2306070176
Keyword