Penerapan Support Vector Machine (SVM) Untuk Klasifikasi Sentimen E-Tilang Pada Twitter

Abstract

E-Tilang sebuah inovasi penegak hukum di bidang lalu lintas yang berbasis teknologi yang menggunakan perangkat elektronik seperti kamera pengawas close circuit television (CCTV) yang mampu merekam kejadian dan mendeteksi plat nomor kendaraan sebagai barang bukti. Atas kebijakan tersebut banyak masyarakat yang belum begitu bijak dalam menyikapi penerapan kemajuan teknologi yaitu E-Tilang. Hal ini di tandai adanya berbagai opini oleh para pengguna twitter tentang E-Tilang yang terdiri berbagai macam ada yang pro maupun kontra. Twitter merupakan sarana yang efektif dalam menampung opini pengguna transportasi. Metode yang di usulkan pada peneltian ini menggunakan ­Support Vector Machine (SVM). Data set yang digunakan dalam penelitian ini adalah tweet dengan bahasa indonesia dengan keyword E-Tilang dan di dapatkan data set sebanyak 400 tweet dan 756 tweet. Hasil dari penelitian analisis sentimen E-Tilang menggunakan klasifikasi Support Vector Machine (SVM) dan ektrasi fitur TF-IDF, dengan 250 dataset di dapatkan akurasi 64%, presisi 65%, recall 80% dan menggunakan 590 dataset di dapatkan akurasi 70%, presisi 71%, recall 96%.