Jurnal Institusi
Copyright (c) 2025 ZONAsi: Jurnal Sistem Informasi
Support Vector Machine (SVM) merupakan salah satu algoritma Machine Learning yang umum digunakan untuk menyelesaikan permasalahan klasifikasi. SVM sangat baik digunakan untuk klasifikasi biner, tetapi masih kurang optimal dalam melakukan klasifikasi multi-class. SVM masih mendapatkan akurasi yang rendah dalam melakukan klasifikasi multi-class, rentang akurasi yang didapatkan sekitar 52% - 62%. Ketidak konsistenam SVM dalam melakukan klasifikasi multi-class perlu dilakukan perbaruan agar lebih baik lagi. Penelitian ini menggunakan dataset opini masyarakat tentang Pariwisata Yogyakarta, label dari dataset adalah representasi dari wisatawan. Jumlah data wal yang diperoleh adalah 4121 baris, memiliki 5 label dalam hal ini pelabelan Aspect-Based Sentiment Analysis. Penelitian ini memiliki tahpaan data acuisition, pre-processing data, feature extraction, feature selection, modelling dan evaluasi. Penelitian ini melakukan percobaan pada 2 kernel SVM yang berbeda, yaitu linear dan rbf. Kemudian dilakukan hyperparameter tuning menggunakan GridSearchCV untuk mendapatkan parameter terbaik dari algoritma SVM. GridSearchCV dapat meningatkan akurasi SVM dengan kernel linear dengan nilai peningkatan tertinggi nya mencapai 7%. Akurasi pada kernel Rbf lebih tinggi yaitu 67,4% setelah dilakukan hyperparameter tuning.
ZONAsi: Jurnal Sistem Informasi; Vol. 7 No. 1 (2025): Publikasi artikel ZONAsi: Jurnal Sistem Informasi Periode Januari 2025; 271 - 279
Penerbit: Universitas Lancang Kuning