EVALUASI METODE SVM DAN KNN DALAM ANALISIS SENTIMEN PADA APLIKASI CEK BANSOSAgungNursyahbaniauthorAplikasi Cek Bansos yang dikembangkan oleh Kementerian Sosial Republik Indonesia menjadi sarana utama bagi masyarakat untuk mengakses informasi bantuan sosial. Namun, aplikasi ini menerima beragam tanggapan dari pengguna, sehingga diperlukan analisis sentimen untuk memahami persepsi masyarakat secara lebih objektif. Penelitian ini bertujuan untuk membandingkan kinerja algoritma Support Vector Machine (SVM) dan K-Nearest Neighbors (KNN) dalam mengklasifikasikan sentimen ulasan pengguna aplikasi Cek Bansos. Data ulasan diperoleh melalui proses web scraping dan dilabeli secara manual untuk menghasilkan dataset yang akurat. Tahapan penelitian meliputi preprocessing teks, ekstraksi fitur menggunakan TF-IDF, pembagian dataset menjadi data latih dan data uji, serta penyeimbangan data pada data latih menggunakan SMOTE. Proses pemodelan dan optimasi parameter dilakukan menggunakan GridSearchCV dengan teknik cross-validation. Hasil evaluasi menunjukkan bahwa SVM memiliki performa lebih baik dibandingkan KNN, dengan akurasi sebesar 88,62% dan F1-Score Macro sebesar 0,79, sedangkan KNN memperoleh akurasi sebesar 87,13% dan F1-Score Macro sebesar 0,75. Performa SVM yang lebih stabil terutama terlihat pada kemampuannya dalam mengenali ulasan positif sebagai kelas minoritas. Temuan ini menunjukkan bahwa SVM lebih efektif digunakan dalam analisis sentimen ulasan aplikasi Cek Bansos, khususnya pada data yang tidak seimbang dan memiliki variasi linguistik yang tinggi.000 Ilmu komputer, informasi dan pekerjaan umum2026-02-25Universitas AMIKOM Yogyakarta;Fakultas Ilmu KomputerThesis