PERBANDINGAN METODE SUPPORT VECTOR MACHINE (SVM) DAN RANDOM FOREST (RF) DALAM MENGKLASIFIKASI EMOSI PADA TWEET BAHASA SUNDA

Abstract

Bahasa merupakan elemen krusial dalam interaksi manusia, dan di Indonesia, keragaman suku, budaya, dan bahasa seringkali menimbulkan tantangan dalam komunikasi. Penelitian ini bertujuan untuk mengidentifikasi dan mengklasifikasikan emosi dalam tweet berbahasa Sunda yang diposting di platform X. Dalam penelitian ini, dataset yang terdiri dari 2.518 tweet berbahasa Sunda dikumpulkan dan diberi label emosi, termasuk marah, takut, senang, dan sedih. Proses klasifikasi emosi dilakukan menggunakan metode Machine Learning, yaitu Support Vector Machine (SVM) dan Random Forest, untuk mengevaluasi efektivitas masing-masing algoritma dalam mengidentifikasi emosi. Penelitian ini juga membandingkan kinerja kedua metode tersebut untuk menentukan mana yang lebih efektif dalam klasifikasi emosi. Hasil penelitian menunjukkan bahwa kedua algoritma memiliki akurasi yang tinggi, dengan SVM mencapai akurasi 89,1% dan Random Forest 87,3%. Melalui analisis confusion matrix, SVM terbukti lebih unggul dalam hal presisi dan recall, sehingga lebih efektif dalam klasifikasi emosi tweet berbahasa Sunda. Temuan ini diharapkan dapat memberikan kontribusi terhadap pengembangan teknologi analisis emosi dalam konteks bahasa daerah di media sosial.