eprintid: 32215
rev_number: 17
eprint_status: archive
userid: 12
dir: disk0/00/03/22/15
datestamp: 2026-07-17 03:34:14
lastmod: 2026-07-17 03:34:14
status_changed: 2026-07-17 03:34:14
type: thesis
metadata_visibility: show
creators_name: Ferdiyanto, Dwi
creators_nim: 22.11.5018
contributors_name: Cahyono, Nuri
corp_creators: Universitas AMIKOM Yogyakarta
title: OPTIMASI KLASIFIKASI MENGGUNAKAN GRID SEARCH
PADA ANALISIS SENTIMEN TERHADAP MAKAN BERGIZI
GRATIS
ispublished: pub
subjects: 000.000.000A
subjects: 000.000.006
divisions: if
full_text_status: restricted
keywords: Analisis Sentimen, Grid Search, Support Vector Machine, K-Nearest 
Neighbor, Random Forest,  Sentiment Analysis.
abstract: Program Makan Bergizi Gratis merupakan salah satu kebijakan pemerintah
Indonesia yang menimbulkan beragam tanggapan dari masyarakat. Media sosial X
(Twitter) menjadi wadah utama bagi masyarakat untuk menyampaikan opini, baik
berupa dukungan maupun kritik terhadap program tersebut. Banyaknya data teks
yang bersifat tidak terstruktur menjadikan analisis secara manual tidak efektif,
sehingga diperlukan pendekatan otomatis berbasis machine learning untuk
mengklasifikasikan sentimen masyarakat.
Penelitian ini bertujuan untuk menganalisis serta membandingkan kinerja
algoritma Support Vector Machine (SVM), K-Nearest Neighbor (KNN), dan
Random Forest dalam mengklasifikasikan sentimen masyarakat terhadap Program
Makan Bergizi Gratis. Data penelitian diperoleh melalui proses scraping dari
Twitter dan kemudian melalui tahapan preprocessing yang meliputi case folding,
text cleaning, normalisasi kata, tokenisasi, stopword removal, dan stemming. Data
selanjutnya diberi label sentimen positif dan negatif, serta dilakukan undersampling
untuk mengatasi ketidakseimbangan kelas. Ekstraksi fitur dilakukan menggunakan
metode Term Frequency–Inverse Document Frequency (TF-IDF), sedangkan
optimasi parameter model dilakukan dengan Grid Search.
Evaluasi kinerja model dilakukan menggunakan confusion matrix dengan
metrik akurasi, presisi, recall, dan F1-score. Hasil penelitian menunjukkan bahwa
algoritma Support Vector Machine (SVM) yang dioptimasi menggunakan Grid
Search menghasilkan performa terbaik dengan akurasi sebesar 89,47%, diikuti oleh 
Random Forest sebesar 83,98% dan K-Nearest Neighbor sebesar 77,43%. Hasil ini
menunjukkan bahwa penerapan Grid Search mampu meningkatkan kinerja model
klasifikasi, khususnya pada algoritma SVM, dalam analisis sentimen terhadap
Program Makan Bergizi Gratis.
date: 2026-02-25
date_type: published
institution: Universitas AMIKOM Yogyakarta
department: Fakultas Ilmu Komputer
thesis_type: bachelor
thesis_name: skripsi
citation:   Ferdiyanto, Dwi  (2026) OPTIMASI KLASIFIKASI MENGGUNAKAN GRID SEARCH PADA ANALISIS SENTIMEN TERHADAP MAKAN BERGIZI GRATIS.  S1 - Sarjana thesis, Universitas AMIKOM Yogyakarta.   
document_url: https://eprints.amikom.ac.id/id/eprint/32215/1/COVER.pdf
document_url: https://eprints.amikom.ac.id/id/eprint/32215/2/BAB%20I.pdf
document_url: https://eprints.amikom.ac.id/id/eprint/32215/3/BAB%20II.pdf
document_url: https://eprints.amikom.ac.id/id/eprint/32215/4/BAB%20III.pdf
document_url: https://eprints.amikom.ac.id/id/eprint/32215/5/BAB%20IV.pdf
document_url: https://eprints.amikom.ac.id/id/eprint/32215/6/BAB%20V.pdf
document_url: https://eprints.amikom.ac.id/id/eprint/32215/7/Daftar%20Pustaka%20dan%20Lampiran.pdf
document_url: https://eprints.amikom.ac.id/id/eprint/32215/9/Sourcecode%20-%2022.11.5018.zip
document_url: https://eprints.amikom.ac.id/id/eprint/32215/8/Publikasi.pdf