Analisis Sentimen Ulasan Jembatan Repo-Repo di Google Maps Menggunakan Metode SVM dengan Ekstraksi Fitur BERT

Abstract

Penelitian ini bertujuan untuk meningkatkan akurasi analisis sentimen pada ulasan Jembatan Repo-Repo Kabupaten Tenggarong Kutai Kartanegara, Kalimantan Timur, yang diambil dari Google Maps. Penelitian sebelumnya menggunakan metode TF-IDF dan klasifikasi Naïve Bayes, namun hanya mencapai akurasi 58%. Untuk mengatasi keterbatasan tersebut, penelitian ini menerapkan ekstraksi fitur menggunakan IndoBERT dengan data yang sama dari sumber penelitian sebelumnya. Seleksi fitur digunakan dengan metode Chi-Square, dan klasifikasi menggunakan Support Vector Machine (SVM). Hasil penelitian menunjukkan bahwa seleksi fitur Chi-Square mampu mereduksi dimensi fitur dari 768 menjadi 100, serta meningkatkan akurasi klasifikasi dari 57% menjadi 65%. Selain akurasi, performa model juga meningkat pada metrik evaluasi lainnya, yaitu precision dari 55% menjadi 60%, recall dari 57% menjadi 65%, dan f1-score dari 56% menjadi 61%. Selain itu, waktu pelatihan SVM juga menjadi lebih efisien dengan penghematan sebesar 0,1092 detik. Temuan ini membuktikan bahwa kombinasi IndoBERT, Chi-Square, dan SVM efektif dalam meningkatkan performa klasifikasi sentimen berbasis teks.