Multiclass SVM Algorithm for Sarcasm Text in Twitter
Debby Alita
Abstract
Penelitian dibidang text mining sekarang ini semakin marak dilakukan karena berbagai industry dan tokoh public yang ingin mendapatkan informasi terkait pendapat publik tentang produk atau penilaian individual yang didapatkan dari media social baik pendapat yang bersifat pendapat biasa maupun sarkasme. Pada proses melakukan text mining banyak sekali metode klasifikasi yang dapat digunakan, salah satunya yaitu metode Support Vector Machine yang dapat dioptimasi sehingga bisa mengklasifikasikan data menjadi tiga kelas klasifikasi yaitu SVM One Againts One dan One Againts Rest. Data yang digunakan pada penelitian adalah sebanyak 2072 data yang berasal dari media social twitter. Hasil yang didapatkan dari penelitian ini adalah nilai akurasi yang memiliki nilai yang sama besarnya baik yang dilakukan secara acak maupun tidak acak dengan nilai sebesar 60,82% dilakukan secara acak dan 60,93% secara tidak acak. Pada nilai lainnya seperti presisi, recall dan F1score metode SVM One Againts Rest memiliki nilai yang lebih unggul dibandingkan dengan nilai SVM One Againts One.