PERBANDINGAN PERFORMA KERNEL SUPPORT VECTOR MACHINE DALAM ANALISIS SENTIMEN REVIEW HOTEL DI PURWOKERTO

Perkembangan teknologi dan akses internet yang semakin mudah telah membawa dampak signifikan pada penggunaan media sosial, salah satunya pada industri perhotelan. Penelitian ini menggali analisis sentimen review hotel di Purwokerto menggunakan metode support vector machine (SVM) dengan membandingkan empat jenis kernel yaitu kernel linear, RBF, polynomial, dan sigmoid. Penelitian ini memanfaatkan k-fold cross-validation dengan 10-fold untuk membantu mengurangi risiko overfitting atau underfitting, serta memberikan estimasi kinerja model yang lebih stabil. Dan teknik SMOTE untuk menangani ketidakseimbangan dalam data. Hasil perbandingan performa model menunjukkan akurasi rata-rata keseluruhan sekitar 89%, dengan kernel RBF menonjol memiliki rata-rata akurasi 90%, presisi 92%, recall 96%, dan f1-score 94%. Kesimpulan ini menegaskan bahwa implementasi kernel RBF pada support vector machine (SVM) memberikan kinerja terbaik dalam mengklasifikasikan analisis sentimen review hotel di Purwokerto, menangkap kompleksitas pola non-linear dengan presisi dan recall yang seimbang. Dengan demikian, dapat disimpulkan bahwa penggunaan kernel RBF dibantu oleh k-fold cross-validation dan SMOTE pada model Support Vector Machine (SVM) sangat sesuai untuk analisis sentimen ulasan hotel di Purwokerto, dalam mengklasifikasikan sentimen review hotel dengan akurat.