Abstract:
Fenomena budaya Korea Selatan (hallyu wave) mengakibatkan banyak bermunculan artis maupun kelompok boyband dan girlband yang menarik perhatian masyarakat serta perhatian merek produk khususnya di Indonesia. Banyak merek yang berlomba-lomba memilih artis atau anggota grup dari negara tersebut sebagai duta merek untuk mempromosikan produk-produknya. Pandangan masyarakat terhadap hal ini tentunya mengundang pendapat pro dan kontra atas keputusan merek dalam memilih artis dan anggota grup sebagai duta merek produknya. Pendapat mengenai pandangan masyarakat yang disampaikan pada media sosial dapat dianalisis menggunakan analisis sentimen. Namun, ekstraksi fitur adalah salah satu langkah penting dalam menganalisis sentimen, di mana TF-IDF dan count vectorizer merupakan metode ekstraksi fitur yang dapat digunakan. Ekstraksi fitur menghasilkan vektor yang dapat digunakan sebagai input untuk model analisis sentimen menggunakan metode klasifikasi. Pada skripsi ini, metode klasifikasi yang digunakan adalah support vector machine (SVM). Adapun data yang digunakan untuk klasifikasi ada sebanyak dua set, yaitu data sintesis dan data dari Twitter. Hasil klasifikasi dari masing-masing data set ini akan dibandingkan dengan menggunakan dua metode ekstraksi fitur. Hasil penelitian menunjukkan bahwa performa metode SVM dengan ekstraksi fitur TFIDF mampu memberikan performa yang lebih baik pada kedua set data. Data sintesis dengan fungsi kernel linear metode SVM menghasilkan performa F1-score terbaik sebesar 80% dan data
Twitter dengan fungsi kernel RBF metode SVM menghasilkan performa F1-score terbaik sebesar 73,47%.
