%0 Thesis
%9 S1 - Sarjana
%A Pratama, Aditya Ardy
%A Universitas AMIKOM Yogyakarta,
%B Fakultas Ilmu Komputer
%D 2025
%F universitasamikomyogyakarta:32341
%I Universitas AMIKOM Yogyakarta
%K PPN 12%, Naïve Bayes, Support Vector Machine.
%T PERBANDINGAN ALGORITMA NAIVE BAYES DAN SVM  DALAM ANALISIS SENTIMEN TWITTER TENTANG  KENAIKAN PPN 12%
%U https://eprints.amikom.ac.id/id/eprint/32341/
%X Penelitian ini bertujuan untuk menganalisis sentimen masyarakat di Twitter  terkait kebijakan kenaikan Pajak Pertambahan Nilai (PPN) sebesar 12% serta  membandingkan kinerja algoritma Naive Bayes dan Support Vector Machine  (SVM) dalam klasifikasi sentimen. Data dikumpulkan dari Twitter dan melalui  tahapan preprocessing yang meliputi pembersihan teks, case folding, tokenization,  stopword removal, dan stemming. Data kemudian dibagi menjadi data latih dan data  uji untuk proses evaluasi model. Hasil eksperimen menunjukkan bahwa model  SVM yang dioptimasi menggunakan kernel Radial Basis Function (RBF)  memperoleh kinerja terbaik dengan tingkat akurasi sebesar 79,93%. Berdasarkan  classification report, SVM menunjukkan performa lebih konsisten dalam  mengidentifikasi kelas Negative (f1-score = 0,86) dibandingkan kelas Positive (f1score  =  0,65),  dengan  nilai  weighted  average  f1-score  sebesar  0,80.  Sementara  itu,    model  Naive  Bayes  memperoleh  akurasi  sebesar  74,07%,  dengan  f1-score  sebesar    0,83  pada  kelas  Negative  dan  0,46  pada  kelas  Positive,  serta  weighted  average  f1score    sebesar 0,71. Berdasarkan hasil tersebut, dapat disimpulkan bahwa SVM  memiliki performa yang lebih unggul dibandingkan Naive Bayes dalam analisis  sentimen Twitter terkait kebijakan kenaikan PPN 12%.