KOMPARASI MODEL KLASIFIKASI NAÏVE BAYES DAN SVM DALAM ANALISIS SENTIMEN RESPON PUBLIK PADA MOMEN 100 HARI KERJA PRABOWO DI PLATFORM X

Putra, Alfonsus Ferdy Mahardeka (2026) KOMPARASI MODEL KLASIFIKASI NAÏVE BAYES DAN SVM DALAM ANALISIS SENTIMEN RESPON PUBLIK PADA MOMEN 100 HARI KERJA PRABOWO DI PLATFORM X. S1 - Sarjana thesis, Universitas AMIKOM Yogyakarta.

	Text (COVER-ABSTRAK) COVER.pdf - Published Version Download (2MB)
	Text (BAB I) BAB I.pdf - Published Version Download (227kB)
	Text (BAB II) BAB II.pdf - Published Version Restricted to Registered users only Download (766kB)
	Text (BAB III) BAB III.pdf - Published Version Restricted to Registered users only Download (305kB)
	Text (BAB IV) BAB IV.pdf - Published Version Restricted to Registered users only Download (1MB)
	Text (BAB V) BAB V.pdf - Published Version Download (81kB)
	Text (DAFTAR PUSTAKA - LAMPIRAN) Daftar Pustaka dan Lampiran.pdf - Published Version Restricted to Registered users only Download (153kB)
	Archive (SOURCE CODE) Sourcecode - 22.12.2310.zip - Published Version Restricted to Repository staff only Download (477kB)
	Text (PUBLIKASI) Publikasi.pdf - Published Version Restricted to Repository staff only Download (2MB)

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 Naïve 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 Naïve 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.

Actions (login required)

View Item