%0 Thesis
%9 S1 - Sarjana
%A Rumadaul, Muhammad Fathir
%A Universitas AMIKOM Yogyakarta,
%B Fakultas Ilmu Komputer
%D 2025
%F universitasamikomyogyakarta:31395
%I Universitas AMIKOM Yogyakarta
%K Generasi Z, Dunia Kerja, Support Vector Machine (SVM), Random Forest (RF), Bidirectional Encoder Representations from Transformers (BERT), Machine Learning
%T STUDI PERBANDINGAN ALGORITMA MACHINE LEARNING UNTUK KLASIFIKASI SENTIMEN DALAM KONTEKS DUNIA KERJA GEN Z
%U https://eprints.amikom.ac.id/id/eprint/31395/
%X Penelitian ini bertujuan untuk mengklasifikasikan sentimen opini Generasi Z  terhadap dunia kerja menggunakan tiga pendekatan model machine learning, yaitu  Random Forest, Support Vector Machine (SVM), dan BERT. Dataset yang  digunakan berisi opini-opini dalam bahasa Indonesia yang telah melalui proses  pra-pemrosesan dan pelabelan sentimen (negatif, netral, positif). Hasil penelitian  menunjukkan bahwa model SVM memberikan performa terbaik dengan akurasi  mencapai 90,22% dan distribusi kinerja yang seimbang di semua kelas. Model  BERT menyusul dengan akurasi 88,38%, memperlihatkan kemampuan yang kuat  dalam mengenali opini positif dan netral, meskipun sedikit lemah dalam  mendeteksi opini negatif. Sementara itu, model Random Forest memiliki  performa paling rendah dengan akurasi 80,82%, terutama kurang efektif dalam  menangkap sentimen negatif. Kesimpulan dari penelitian ini adalah bahwa model  SVM paling optimal untuk klasifikasi sentimen opini Gen Z terhadap dunia kerja,  baik dari segi akurasi maupun keseimbangan antar kelas. Penelitian ini diharapkan  dapat menjadi dasar dalam pengembangan sistem analisis opini publik yang lebih  efektif, khususnya yang menyasar generasi muda di dunia kerja.