Perbandingan Algoritma Support Vector Machine dan Naive Bayes dalam Analisis Sentimen Demo DPR RI 2025

HUDA, Lathif Nurma and Fitriyadi, Farid and Khusnuliawati, Hardika (2026) Perbandingan Algoritma Support Vector Machine dan Naive Bayes dalam Analisis Sentimen Demo DPR RI 2025. Jurnal Smart Comp : Jurnalnya Orang Pintar Komputer, 15 (3). pp. 562-571. ISSN 2549-0796

	Text Lathif Nurma Huda_Hal.Awal_2022061013.pdf Download (3MB)
	Text Lathif Nurma Huda_BAB I-II_2022061013.pdf Download (1MB)
	Text Lathif Nurma Huda_BAB III-IV_2022061013.pdf Restricted to Repository staff only Download (5MB) \| Request a copy
	Text Lathif Nurma Huda_BAB V_2022061013.pdf Download (1MB)
	Text Lathif Nurma Huda_Daftar Pustaka_2022061013.pdf Download (1MB)
	Text Lathif Nurma Huda_Lampiran_2022061013.pdf Download (2MB)

Official URL: https://ejournal.poltekharber.ac.id/index.php/smar...

Abstract

Media sosial YouTube menjadi platform utama bagi masyarakat untuk menyuarakan opini terkait peristiwa politik, seperti Demo DPR RI 2025. Volume komentar yang masif memerlukan analisis sentimen otomatis untuk memahami opini publik. Penelitian ini bertujuan untuk membandingkan kinerja algoritma Support Vector Machine (SVM) dan Naive Bayes (NB) dalam mengklasifikasikan sentimen komentar tersebut ke dalam tiga kelas: Positif, Negatif, dan Netral. Data dikumpulkan dari tiga video YouTube terkait demo menggunakan YouTube Data API v3, menghasilkan 18.973 komentar unik setelah pra-pengolahan yang dilabeli menggunakan metode Lexicon-Based (InSet). Fitur diekstraksi menggunakan CountVectorizer (Bag-of-Words) dan data dibagi dengan rasio 80:20. Optimasi model dilakukan melalui Hyperparameter Tuning dengan GridSearchCV. Hasil analisis menunjukkan dominasi sentimen Negatif sebesar 40,34%. Pada pengujian klasifikasi, SVM dengan parameter terbaik (kernel 'linear' dan C=10) berhasil mencapai akurasi tertinggi sebesar 90,17%. Kinerja ini secara signifikan mengungguli Naive Bayes (alpha=0.5) yang hanya mencapai akurasi 66,14%. Kesimpulannya, SVM terbukti sebagai model yang lebih superior dan andal untuk klasifikasi sentimen pada dataset komentar politik berbahasa Indonesia yang berdimensi tinggi.

Item Type:	Article
Uncontrolled Keywords:	Analisis Sentimen; Support Vector Machine; Naive Bayes; Komentar YouTube; Demo DPR RI 2025
Subjects:	T Technology > T Technology (General)
Divisions:	Fakultas Sains, Teknologi dan Kesehatan > Informatika
Depositing User:	Lathif Nurma Huda
Date Deposited:	01 Oct 2026 01:37
Last Modified:	01 Oct 2026 01:37
URI:	https://repository.usahidsolo.ac.id/id/eprint/3996

Actions (login required)

View Item