Text

PENERAPAN MODEL SVM DAN NAIVE BAYES DALAM ANALISIS SENTIMEN PUBLIK TERHADAP KEBIJAKAN MENTRI KEUANGAN

---

Kebijakan fiskal Menteri Keuangan Republik Indonesia sering memicu beragam reaksi publik yang tercermin pada kolom komentar YouTube. Besarnya volume komentar menyulitkan analisis opini secara manual, sehingga diperlukan pendekatan otomatis berbasis Natural Language Processing (NLP). Penelitian ini menerapkan dan membandingkan algoritma Support Vector Machine (SVM) dan Naïve Bayes untuk mengklasifikasikan sentimen publik terhadap kebijakan tersebut. Dataset berupa 11.416 komentar YouTube dikumpulkan melalui YouTube Data API v3, melalui tahap preprocessing, lalu dilabeli otomatis menggunakan Indonesian RoBERTa Base Sentiment Classifier menjadi tiga kelas: negatif (59,73%), positif (23,00%), dan netral (17,27%). Fitur teks direpresentasikan melalui tokenisasi IndoBERT sebelum diklasifikasikan dengan lima skema pembagian data (50:50 hingga 90:10). Hasil pengujian menunjukkan SVM memperoleh akurasi tertinggi 98,34% pada pembagian 50:50, sedangkan Naïve Bayes 95,59% pada pembagian yang sama, dengan SVM lebih konsisten pada seluruh skenario. Penelitian ini menyimpulkan bahwa kombinasi automatic labeling berbasis BERT dan algoritma SVM efektif untuk analisis sentimen publik terhadap kebijakan pemerintah.

---

Availability

Detail Information

Call Number

Informatika 623.82 Rah P

Language

Indonesia

NPM

193510639

Publisher

Teknik Informatika : Universitas Islam Riau., 2026

Keyword(s)

Support Vector Machine
Naive Bayes
Youtube
Analisis Sentimen
BERT
automatic labeling

Other Information

Petugas

Budi Santoso

Other version/related

File Attachment

Comments

---

You must be logged in to post a comment