ABSTRAK

CLAUDYA CONSTANTIA TIMISELA, Implementasi Text Clasification Support Vector Machine (SVM) Untuk Pengelompokan Jenis Pelanggaran Pemilu (dibimbing oleh Akbar Iskandar dan Kamaruddin).

Pemilihan Umum (Pemilu) merupakan pilar utama demokrasi yang sering kali diwarnai oleh berbagai bentuk pelanggaran. Untuk membantu proses identifikasi jenis pelanggaran secara efisien, penelitian ini mengimplementasikan metode Support Vector Machine (SVM) dalam klasifikasi teks laporan pelanggaran pemilu. Data yang digunakan berasal dari laporan pelanggaran di Bawaslu Sulawesi Selatan, dengan fokus pada tiga kategori pelanggaran, yaitu administratif, kode etik, dan pidana.
Metode yang digunakan meliputi tahap text preprocessing (pembersihan teks), pembobotan kata menggunakan TF-IDF, dan pelatihan model SVM dengan optimasi parameter melalui Grid Search dan kernel RBF. Dataset dibagi dalam rasio 80% untuk pelatihan dan 20% untuk pengujian. Hasil penelitian menunjukkan bahwa model mencapai akurasi sebesar 82%, dengan kinerja terbaik dalam mengklasifikasikan pelanggaran administratif. Namun, performa model terhadap kategori kode etik dan pidana masih rendah, disebabkan oleh ketidakseimbangan jumlah data antar kelas.
Penelitian ini menunjukkan bahwa SVM efektif untuk klasifikasi teks dalam konteks pelanggaran pemilu, namun akurasi klasifikasi dapat ditingkatkan dengan strategi penyeimbangan data atau eksplorasi metode klasifikasi alternatif.

Kata Kunci: Pemilu, Text Classification, Pelanggaran, SVM, TF-IDF, Bawaslu