Analisis Sentimen Hate Speech pada Twitter Publik Figur dengan Metode Adaboost dan XGBoost

DAFFA ULAYYA SUHENDRA

Informasi Umum

Kode

23.04.1076

Klasifikasi

006.31 - Machine Learning

Jenis

Karya Ilmiah - Skripsi (S1) - Reference

Subjek

Machine Learning, Machine Engineering,

Dilihat

569 kali

Informasi Lainnya

Abstraksi

<p>Publik figur sering mendapat sorotan dari pengguna media sosial, baik karena ucapannya atau bahkan karena peranannya di dalam suatu serial televisi. Umumnya publik figur mengunggah sesuatu di akun sosial media mereka membantu untuk membentuk citra mereka. Namun tidak semua orang yang melihatnya senang, bahkan ada yang tidak suka dengan unggahan tersebut. Penelitian ini bertujuan untuk mengetahui sentimen publik terhadap publik figur Anya Geraldine yang disampaikan di Twitter dalam bahasa Indonesia. Proses klasifikasi pada penelitian ini menggunakan metode klasifikasi Adaptive Boosting (AdaBoost) dan Extreme Gradient Boosting (XGBoost) dengan preprocessing teks menggunakan cleaning, case folding, tokenizing dan filtering. Data yang digunakan adalah tweet dalam bahasa Indonesia dengan kata kunci “@anyaselalubenar”, dengan jumlah dataset sebanyak 7.475 tweet dibagi menjadi 6.887 tweet positif dan 588 tweet negatif. Dari hasil label tersebut menggunakan oversampling untuk menghindari masalah overfitting yang berlebihan. Fitur yang digunakan adalah pembobotan TF-IDF. Untuk memvalidasi keefektifan model yang digunakan , dilakukan 4 skenario eksperimental yaitu pertama kinerja model tanpa oversampling, kedua kinerja model dengan oversampling, ketiga kinerja model dengan under sampling dan keempat kinerja model dengan hyperparameter tune. Hasil eksperimen menunjukkan XGBoost+SMOTE+Hyperparameter mencapai 95% dibandingkan AdaBoost+SMOTE+Hyperparameter sebesar 87%. Penerapan SMOTE dan hyperparameter tune terbukti dapat mengatasi masalah ketidakseimbangan data dan mendapatkan hasil klasifikasi yang lebih baik.</p>