Optimasi Support Vector Machine Berbasis Particle Swarm Optimization Untuk Mendeteksi Hate Speech Pilkada Karawang

Maraknya ujaran kebencian di media sosial bisa saja merugikan berbagai pihak termasuk calon kepala daerah Kabupaten Karawang tahun 2020, namun karena banyaknya jumlah komentar mengakibatkan sanksi yang diberikan kepada para pelanggar belum merata. Untuk memudahkan bawaslu dalam memberikan sanksi kepada para pelanggar dan dapat memberikan efek jera kepada masyarakat karawang agar tidak terjadi lagi ujaran kebencian. Oleh karena itu, penelitian ini dilakukan dengan mengklasifikasi komentar positif dan negatif. Metodologi yang digunakan yaitu Knowledge Discovery in Database (KDD) dengan pembagian data dibagi menjadi 4 skenario. Hasil yang didapatkan menyatakan bahwa Algoritma Support Vector Machine (SVM) dengan skenario “2” pada kernel linear mendapatkan nilai akurasi tertinggi sebesar “72.66%”. Kemudian hasil 4 skenario tersebut dioptimasi oleh Particle Swarm Optimization yang mendapatkan nilai akurasi tertinggi yakni pada kernel linear dan polynomial di skenario ke 4 dengan pembagian data 90:10 sebesar “78.00%”. Nilai evaluasi yang lain pun mengalami kenaikan yang sama mulai dari presisi, recall, dan f1-score. Dapat disimpulkan bahwa algoritma Support Vector Machine dioptimasi dengan Particle Swarm Optimization dapat meningkatkan nilai akurasi.