Analisis Sentimen Fans Pada Perilisan Merchandise Brand Menggunakan Support Vector Machine (SVM)

Perilisan merchandise oleh grup idola sering memicu beragam reaksi emosional dari para penggemar, khususnya di media sosial. Penelitian ini bertujuan untuk mengkaji sentimen penggemar terhadap perilisan merchandise ulang tahun anggota JKT48 di platform X (Twitter) dengan memanfaatkan algoritma Support Vector Machine (SVM). Sebanyak 1.062 komentar berhasil dikumpulkan menggunakan Tweet Harvest, kemudian dilakukan pelabelan secara manual ke dalam tiga kategori sentimen, yaitu positif, netral, dan negatif. Data yang diperoleh melalui tahapan pre-processing, meliputi case folding, pembersihan data, tokenisasi, dan penghapusan stopword. Selanjutnya, data diubah ke dalam bentuk fitur numerik menggunakan metode TF-IDF. Untuk mengatasi ketidakseimbangan jumlah data antar kategori, digunakan teknik Synthetic Minority Over-sampling Technique (SMOTE). Hasil pengujian menunjukkan bahwa model SVM tanpa penerapan SMOTE memperoleh akurasi sebesar 84,62% dan F1-score sebesar 76,79%. Setelah diterapkan SMOTE, performa model mengalami peningkatan dengan akurasi sebesar 90,09% dan F1-score sebesar 90,15%. Pengujian tambahan menggunakan 5-fold cross-validation juga menunjukkan adanya peningkatan kinerja model secara keseluruhan. Berdasarkan hasil tersebut, penggunaan teknik SMOTE terbukti dapat meningkatkan kemampuan model dalam mengklasifikasikan sentimen, terutama pada kategori minoritas.