View/Open

Author
Oloan, Soaloon Napitupulu

Date Published
23 Sep 2026

Advisor
Meida Cahyo Untoro, S.Kom., M.Kom,
Andre Febrianto, S.Kom., M.Eng,

Subject
Teknik Informatika

Publisher

Penelitian ini bertujuan mengevaluasi kinerja tiga fungsi kernel Support Vector Machine (SVM), yaitu kernel Linear, Radial Basis Function (RBF), dan Polinomial, dalam klasifikasi sentimen konten bertopik Bitcoin di media sosial X berbahasa Indonesia. Data sebanyak 1.242 tweets dikumpulkan melalui metode crawling pada periode Maret 2024 hingga Februari 2025, kemudian diproses melalui enam tahap preprocessing meliputi data cleaning, case folding, tokenization, normalization, stopword removal, dan stemming. Pelabelan data dilakukan secara otomatis menggunakan dua basis leksikon berbeda, yaitu InSet Lexicon dan SentiStrengthId Lexicon, untuk membandingkan pengaruhnya terhadap performa klasifikasi. Pembobotan fitur menggunakan TF-IDF dan optimasi hyperparameter dilakukan dengan GridSearchCV berbasis StratifiedKFold 10-fold. Hasil evaluasi menggunakan confusion matrix menunjukkan bahwa kernel RBF berbasis SentiStrengthId Lexicon menghasilkan performa terbaik dengan akurasi 87%, precision 90%, recall 94%, f1-score 92%, dan f1-macro 80%. Penelitian ini menyimpulkan bahwa pemilihan fungsi kernel dan leksikon pelabelan berpengaruh signifikan terhadap kinerja model, dengan kernel linear dan RBF terbukti lebih stabil dibandingkan kernel polinomial. Kata kunci: Support Vector Machine, Analisis Sentimen, Bitcoin, Media Sosial X, Kernel SVM, TF-IDF, InSet Lexicon, SentiStrengthId Lexicon

URI
https://repo.itera.ac.id/depan/submission/SB2606300080

Keyword
Support Vector Machine Klasifikasi Sentimen Bitcoin Media Sosial X Kernel SVM TF-IDF InSet Lexicon SentiStrengthId Lexicon