Page 92 - E-Skripsi Analisis Sentimen Terhadap Aplikasi Sapawarga Jabar Super Apps Pada Ulasan Google Play Store

Selanjutnya pada Gambar 4.5 menunjukkan perhitungan nilai precision,

recall, f1-score, dan accuracy. Nilai precision atau presisi dilakukan untuk

mengukur seberapa akurat pengujian data dalam memprediksi sentimen. Presisi

didapatkan dari rasio jumlah prediksi benar dibagai dengan jumlah total prediksi.

Presisi untuk kelas negatif adalah 0.95, yang berarti 95% dari prediksi negatif

adalah benar. Prediksi untuk kelas positif adalah 0.95, yang berarti 95% dari

prediksi positif adalah benar. Maka, rerata nilai precision negatif dan positif

adalah 95%.

Nilai racall atau sensitivitas dilakukan untuk mengukur seberapa baik

pengujian data dapat mengenali semua instance data. Recall didapatkan dari rasio

jumlah prediksi benar dibagi jumlah total nilai aktual. Recall untuk kelas negatif

adalah 0.93, yang berarti 93% dari keseluruhan instance kelas negatif berhasil

dikenali oleh pengujian SVM. Recall untuk kelas positif adalah 0.97, yang berarti

97% dari keseluruhan instance kelas positif berhasil dikenali oleh pengujian

SVM. Maka, rerata nilai recall negatif dan positif adalah 95%.

F1-score dilakukan untuk memberikan gambaran yang seimbang tentang

performa model dalam memprediksi dan mengenali data sentimen. Nilai F1-score

didapatkan dari hasil perhitungan label prediksi (precision) dan label aktual

(recall). Nilai F1-score untuk kelas negatif adalah 0.94 (94%). Nilai F1-score

untuk kelas positif adalah 0.96 (96%). Maka, rerata nilai F1-score negatif dan

positif adalah 95%.

Accuracy atau akurasi dilakukan untuk mengukur sejauh mana metode

klasifikasi SVM dapat memprediksi data secara keseluruhan. Nilai akurasi

78