Perbandingan Algoritma Support Vector Machine dan Naïve Bayes Dalam Analisis Sentimen Demo DPR RI 2025

Lathif Huda; Farid Fitriyadi; Hardika Khusnuliawati

doi:10.30591/smartcomp.v15i3.10259

Perbandingan Algoritma Support Vector Machine dan Naïve Bayes Dalam Analisis Sentimen Demo DPR RI 2025

Lathif Huda, Farid Fitriyadi, Hardika Khusnuliawati

Abstract

Media sosial YouTube menjadi platform utama bagi masyarakat untuk menyuarakan opini terkait peristiwa politik, seperti Demo DPR RI 2025. Volume komentar yang masif memerlukan analisis sentimen otomatis untuk memahami opini publik. Penelitian ini bertujuan untuk membandingkan kinerja algoritma Support Vector Machine (SVM) dan Naive Bayes (NB) dalam mengklasifikasikan sentimen komentar tersebut ke dalam tiga kelas: Positif, Negatif, dan Netral. Data dikumpulkan dari tiga video YouTube terkait demo menggunakan YouTube Data API v3, menghasilkan 18.973 komentar unik setelah pra-pengolahan yang dilabeli menggunakan metode Lexicon-Based (InSet). Fitur diekstraksi menggunakan CountVectorizer (Bag-of-Words) dan data dibagi dengan rasio 80:20. Optimasi model dilakukan melalui Hyperparameter Tuning dengan GridSearchCV. Hasil analisis menunjukkan dominasi sentimen Negatif sebesar 40,34%. Pada pengujian klasifikasi, SVM dengan parameter terbaik (kernel 'linear' dan C=10) berhasil mencapai akurasi tertinggi sebesar 90,17%. Kinerja ini secara signifikan mengungguli Naive Bayes (alpha=0.5) yang hanya mencapai akurasi 66,14%. Kesimpulannya, SVM terbukti sebagai model yang lebih superior dan andal untuk klasifikasi sentimen pada dataset komentar politik berbahasa Indonesia yang berdimensi tinggi.

Keywords

Sentiment Analysis; Support Vector Machine; Naive Bayes; Natural Language Processing; YouTube Comments

Full Text:

References

S. F. Huwaida, R. Kusumawati, and B. Isnaini, “Analisis Sentimen Komentar YouTube terhadap Pemindahan Ibu Kota Negara Menggunakan Metode Naïve Bayes,” Jambura Journal of Informatics, vol. 6, no. 1, pp. 26–39, Apr. 2024, doi: 10.37905/jji.v6i1.24718.

Chely Aulia Misrun, E. Haerani, M. Fikry, and E. Budianita, “Analisis sentimen komentar youtube terhadap Anies Baswedan sebagai bakal calon presiden 2024 menggunakan metode naive bayes classifier,” Jurnal CoSciTech (Computer Science and Information Technology), vol. 4, no. 1, pp. 207–215, Apr. 2023, doi: 10.37859/coscitech.v4i1.4790.

R. A. Fauzan, “Analisis Sentimen Komentar Youtube Program Kampus Merdeka Berbasis Web Menggunakan Algoritma Multinomial Naive Bayes,” 2023.

A. Ardiansyah, C. Agustina, I. Maryani, and D. Pribadi, “Analisis Sentimen pada Komentar YouTube terkait Pembahasan eSIM Menggunakan Metode Naive Bayes dan Random Forest,” Indonesian Journal on Software Engineering (IJSE), vol. 11, no. 1, pp. 7–14, 2025, [Online]. Available: http://ejournal.bsi.ac.id/ejurnal/index.php/ijse7

H. Al Rasyid Harpizon et al., “Analisis Sentimen Komentar Di YouTube Tentang Ceramah Ustadz Abdul Somad Menggunakan Algoritma Naïve Bayes,” Jurnal Nasional Komputasi dan Teknologi Informasi, vol. 5, no. 1, 2022.

T. Muhayat, A. Fauzi, and D. J. Indra, “Analisis Sentimen Terhadap Komentar Video Youtube Menggunakan Support Vector Machines,” 2023.

S. A. S. Mola, P. R. Lete, B. J. A. J. A. Pa, Triyanto, and T. Widiastuti, “Analisis Sentimen Menggunakan Metode Naive Bayes Dan Metode Support Vector Machine Pada Kasus Pelantikan Artis Sebagai Anggota DPR RI Tahun 2024,” HOAQ (High Education of Organization Archive Quality) : Jurnal Teknologi Informasi, vol. 15, no. 1, pp. 22–32, May 2024, doi: 10.52972/hoaq.vol15no1.p22-32.

R. Firdaus, I. A. #2, and A. Herdiani, “Lexicon-Based Sentiment Analysis of Indonesian Language Student Feedback Evaluation,” 2021, doi: 10.34818/indojc.2021.6.1.408.

Tito, Yudistira, Zikri, Eka, and Arvi, “Perbandingan Performa Algoritma Naive Bayes dan SVM Untuk Analisis Sentimen Komentar Youtube Terhadap Industri Esport Di Indonesia,” 2025.

R. A. Firsttama, A. A. Arifiyanti, and D. S. Y. Kartika, “Analisis Sentimen Komentar Youtube Konferensi Tingkat Tinggi G20 Menggunakan Metode Naive Bayes,” Jurnal Teknologi Dan Sistem Informasi Bisnis, vol. 6, no. 2, pp. 282–285, Apr. 2024, doi: 10.47233/jteksis.v6i2.1263.

A. Prayoga Siswono et al., Analisis Sentimen Pelantikan Presiden Indonesia 2024 Menggunakan Model Klasifikasi dan Algoritma Naive Bayes, vol. 4, no. 1. 2024.

N. P. Setiawati, N. Nurmalitasari, and V. Atina, “Analisis Sentimen Aplikasi Tiktok Tokopedia Seller Center dengan Pendekatan Machine Learning: SVM, CNN, Naive,” Smart Comp: Jurnalnya Orang Pintar Komputer, vol. 14, no. 1, Jan. 2025, doi: 10.30591/smartcomp.v14i1.7189.

A. Supian, B. Tri Revaldo, N. Marhadi, and L. Efrizoni, “Acuan Supian Perbandingan Kinerja Naïve Bayes dan SVM pada Analisis Sentimen Twitter Ibukota Nusantara,” 2024. [Online]. Available: https://github.com/syenirasheila/Sentiment-Analysis-IKN-

A. Wahyu Nugroho and T. Susanto, “Sentiment Analysis of Social Media Users On The 2024 Presidential Election Using the Naive Bayes Classifier Method Informasi Artikel ABSTRAK,” Journal of Artificial Intelligence and Software Engineering, vol. 5, no. 2, pp. 410–420, 2025, doi: 10.30811/jaise.v5i2.6679.

A. N. Badri, N. Noviandi, F. Anastya, and M. Roland, “Sentiment Analisis Untuk Identifikasi Kepuasan Masyarakat Terhadap Kenaikan BBM Menggunakan Algoritma Naive Bayes,” JIKO (Jurnal Informatika dan Komputer), vol. 7, no. 2, p. 287, Sep. 2023, doi: 10.26798/jiko.v7i2.873.

N. Arita, “Analisis Sentimen Pengguna Youtube Terhadap Anime SPY X Family Bahasa Indonesia Menggunakan Naive Bayes,” Jurnal Informatika dan Teknik Elektro Terapan, vol. 13, no. 3, Jul. 2025, doi: 10.23960/jitet.v13i3.7362.

DOI: https://doi.org/10.30591/smartcomp.v15i3.10259