Perbandingan Performa Algoritma Machine Learning Untuk Analisis Sentimen Pengguna X Mengenai Topik DeepSeek AI

Abstract

Penelitian ini menganalisis sentimen pengguna X (Twitter) terhadap peluncuran DeepSeek AI menggunakan lima algoritma klasifikasi: Naïve Bayes, Random Forest, Logistic Regression, KNN, dan SVM. Data dikumpulkan menggunakan Tweet Harvest dan dilabeli secara otomatis dengan TextBlob serta sebagian secara manual. Untuk memvalidasi konsistensi labeling manual, digunakan metode Cohen’s Kappa. Teknik SMOTE diterapkan untuk menangani ketidakseimbangan kelas. Setiap algoritma diuji dalam lima versi tuning berbeda. Hasil evaluasi menunjukkan bahwa SVM versi V4 (tunning agresif) memberikan performa terbaik dengan F1-Score 85,86%, akurasi 85,98%, precision 86,06%, dan recall 85,98%. Temuan ini menunjukkan bahwa SVM sangat efektif dalam analisis sentimen pada data sosial media yang kompleks.