@phdthesis{universitasamikomyogyakarta32004,
          author = {Alfonsus Ferdy Mahardeka Putra},
           month = {February},
            year = {2026},
           title = {KOMPARASI MODEL KLASIFIKASI NA{\"I}VE BAYES DAN
SVM DALAM ANALISIS SENTIMEN RESPON PUBLIK PADA
MOMEN 100 HARI KERJA PRABOWO DI PLATFORM X},
          school = {Universitas AMIKOM Yogyakarta},
        keywords = {Analisis Sentimen, Na{\"i}ve Bayes, Support Vector Machine, TF-IDF,
SMOTE, Sentiment Analysis.},
        abstract = {Perkembangan teknologi informasi telah mendorong media sosial menjadi
ruang interaksi publik yang penting dalam menyampaikan opini dan tanggapan
terhadap kebijakan pemerintah. Pada momen 100 hari kerja pemerintahan Prabowo
Subianto, berbagai tanggapan masyarakat yang muncul di platform X (Twitter)
membentuk kumpulan data tekstual yang mencerminkan kecenderungan sentimen
publik. Kondisi tersebut menjadikan platform X sebagai sumber data yang relevan
untuk dianalisis guna memahami persepsi masyarakat secara lebih luas dan objektif.
Penelitian ini bertujuan untuk mengidentifikasi kecenderungan sentimen publik
serta membandingkan kinerja dua algoritma klasifikasi teks, yaitu Na{\"i}ve Bayes dan
Support Vector Machine (SVM), dalam konteks data sosial-politik berbahasa
Indonesia.
Data penelitian terdiri dari 1.369 tweet yang dikumpulkan melalui proses
scraping. Data tersebut kemudian melalui tahapan pra-pemrosesan teks, pelabelan
manual, pembobotan Term Frequency?Inverse Document Frequency (TF-IDF),
serta penyeimbangan data menggunakan Synthetic Minority Oversampling
Technique (SMOTE) yang diterapkan pada data latih. Model klasifikasi dilatih dan
dievaluasi menggunakan metrik accuracy, precision, recall, dan F1-score, serta
divisualisasikan melalui confusion matrix. Selain itu, analisis learning curve
dilakukan untuk melihat pola pembelajaran masing-masing model.
Hasil penelitian menunjukkan bahwa sentimen publik terhadap 100 hari
kerja pemerintahan Prabowo Subianto cederung didominnasi oleh sentimen positif
dan netral. Dari sisi performa model, SVM Linear memperoleh accuracy sebesar
0,781 dan F1-score sebesar 0,78, lebih tinggi dibandingkan Na{\"i}ve Bayes dengan
accuracy sebesar 0,766 dan F1-score sebesar 0,76. Berdasarkan hasil tersebut, SVM
Linear dapat disimpulkan sebagai model yang lebih optimal dalam analisis
sentimen publik pada konteks sosial-politik berbahasa Indonesia. Temuan ini
diharapkan dapat memberikan kontribusi teoretis dalam pengembangan analisis
sentimen serta manfaat praktis bagi pemerintah, lembaga survei, dan pengembang
sistem informasi.},
             url = {https://eprints.amikom.ac.id/id/eprint/32004/}
}