Komparasi Algoritma Naïve Bayes Dan Support Vector Machine (SVM) Pada Analisis Sentimen Kebijakan Kemdikbudristek Mengenai Kuota Internet Selama Covid-19

Abstract

Analisis sentimen adalah suatu bentuk kegiatan yang digunakan untuk menganalisis opini masyarakat tentang suatu kejadian seperti kuota bantuan internet Kemdikbudristek selama pandemi Covid-19 melalui salah satu media sosial Twitter. Twitter adalah suatu platform microblogging yang digunakan untuk menulis suatu opini atau pendapat tentang suatu peristiwa yang dapat dijadikan sebagai sumber data yang digunakan. Metode Naïve Bayes dan Support Vector Machine (SVM) merupakan metode dengan pendekatan Machine Learning yang dapat digunakan untuk melakukan analisis sentimen terhadap kebijakan Kemdikbudristek mengenai Kuota Kemdikbud dalam proses mengklasifikasi suatu tweet berdasarkan tingkat emosinya dan mengetahui perbandingan akurasi antara metode Naïve Bayes dengan Support Vector Machine (SVM). Hasil proses analisis sentimen menggunakan Algoritma Naïve Bayes dan Support Vector Machine (SVM) berdasarkan opini masyarakat dalam hal ini pengguna Twitter terhadap kebijakan Kemdikbudristek mengenai Kuota Kemdikbud menghasilkan tingkat akurasi Support Vector Machine (SVM) lebih tinggi dibandingkan Naïve Bayes dengan akurasi sebesar 80%, untuk rata-rata nilai presicion sebesar 80,3%, recall sebesar 80,3% dan f1-score sebesar 80,3%.