Perbandingan Klasifikasi Single-Label dan Multi-Label Ulasan Pengguna Lapangan Futsal di Semarang Menggunakan SVM

Abstract

Futsal merupakan cabang olahraga yang semakin populer di seluruh Indonesia, termasuk di Semarang. Penelitian ini bertujuan untuk melakukan klasifikasi sentimen ulasan pengguna mengenai lapangan futsal di Kota Semarang menggunakan metode Support Vector Machine. Data penelitian diperoleh melalui scraping ulasan Google Maps dengan ekstensi Chrome “Instant Data Scraper” dan terdiri dari 1.189 ulasan. Proses penelitian mencakup pengumpulan data, Cleaning dan pre-processing (normalisasi teks, modifikasi data, tokenisasi, stop word filtering, stemming), pelabelan (single label dan multi label), pembagian data (80% pelatihan dan 20% pengujian), pemodelan menggunakan SVM (single label dengan GridSearchCV dan multi label dengan One-vs-Rest Classifier), serta evaluasi model dengan metrik presisi, recall, dan F1-Score. Hasil menunjukkan pemodelan Support Vector Machine single-label mencapai presisi 0,84, recall 0,73, dan F1-Score 0,78. Sementara pemodelan Support Vector Machine multi-label mencapai presisi 0,96, recall 0,88, dan F1-Score 0.92. Dari ulasan yang dinalisis, sebaran data pada single-label maupun multi-label menunjukan dominasi ulasan kategori Fasilitas, menegaskan bahwa Fasilitas merupakan kategori yang paling sering dikomentari oleh pengguna. Temuan ini tidak hanya memberikan wawasan praktis bagi pengelola lapangan futsal, tetapi juga berkontribusi pada pengembangan metode klasifikasi ulasan berbasis machine learning dalam domain analisis opini, khususnya dalam membandingkan performa pendekatan single-label dan multi-label pada data multi-kategori di bidang teknologi informasi.