Analisis Perbandingan Metode Naïve Bayes, SVM, dan BiLSTM Untuk Klasifikasi Gender berdasarkan Tweet berbahasa Indonesia

Abstract

Media sosial X (Twitter) menghasilkan data teks dalam jumlah besar yang dapat dimanfaatkan untuk kajian pemrosesan bahasa alami, khususnya author profiling. Salah satu atribut penting dalam author profiling adalah jenis kelamin, terutama ketika informasi profil pengguna tidak tersedia atau tidak dapat diandalkan. Teks tweet yang bersifat singkat dan informal menjadikan klasifikasi gender berbasis teks sebagai permasalahan yang menantang, khususnya pada bahasa Indonesia. Penelitian ini bertujuan untuk membandingkan kinerja algoritma Multinomial Naïve Bayes, Support Vector Machine (SVM), dan Bidirectional Long Short-Term Memory (BiLSTM) dalam mengklasifikasikan gender pengguna media sosial X (Twitter) berdasarkan tweet berbahasa Indonesia. Data penelitian berupa tweet berbahasa Indonesia yang dikumpulkan menggunakan layanan API pihak ketiga dengan beberapa kata kunci yang merepresentasikan topik beragam. Metodologi penelitian meliputi tahap pengumpulan data, pra-pemrosesan teks yang mencangkup pembersihan teks, penghapusan stopword, dan stemming Sastrawi, serta penyeimbangan data menggunakan teknik oversampling. Representasi fitur untuk Naïve Bayes dan SVM menggunakan metode TF–IDF, sedangkan BiLSTM menggunakan representasi sekuensial berbasis token. Evaluasi model dilakukan menggunakan metrik accuracy, macro F1-score, confusion matrix, dan ROC–AUC. Hasil penelitian menunjukkan bahwa algoritma Support Vector Machine memberikan performa terbaik dibandingkan Multinomial Naïve Bayes dan Bidirectional Long Short-Term Memory pada dataset yang digunakan. Temuan ini menunjukkan bahwa pada kondisi data terbatas dan teks pendek, metode pembelajaran mesin klasik masih efektif untuk mengklasifikasi gender berbasis teks tweet berbahasa Indonesia.