PERBANDINGAN METODE NAÏVE BAYES DAN SUPPORT VECTOR MACHINE DALAM ANALISIS SENTIMEN PROGRAM MAKAN BERGIZI GRATIS PADA MEDIA SOSIAL X

Abstract

Perkembangan media sosial, khususnya platform X, mendorong masyarakat untuk menyampaikan opini terhadap berbagai kebijakan pemerintah secara terbuka dan real-time. Salah satu kebijakan yang banyak menjadi perhatian publik adalah program makan bergizi gratis. Permasalahan dalam penelitian ini adalah bagaimana menentukan metode klasifikasi terbaik antara Naïve Bayes dan Support Vector Machine (SVM) dalam menganalisis sentimen masyarakat terhadap program tersebut. Penelitian ini bertujuan untuk membandingkan performa kedua algoritma dalam mengklasifikasikan sentimen positif, negatif, dan netral berdasarkan opini publik di media sosial X. Metode penelitian dilakukan melalui beberapa tahapan, yaitu pengumpulan data komentar dari media sosial X, pelabelan data berbasis leksikon, preprocessing data, pembobotan kata menggunakan TF-IDF, serta proses klasifikasi menggunakan algoritma Naïve Bayes dan SVM. Dataset kemudian dibagi menjadi data pelatihan dan data pengujian dengan rasio 80:20. Evaluasi model dilakukan menggunakan metrik accuracy, precision, recall, dan F1-score. Hasil penelitian menunjukkan bahwa metode SVM memperoleh tingkat akurasi sebesar 85.10%, lebih tinggi dibandingkan Naïve Bayes sebesar 68.51%. Selain itu, visualisasi word cloud menunjukkan sentimen positif didominasi dukungan terhadap manfaat gizi program, sedangkan sentimen negatif lebih banyak menyoroti pendanaan dan pelaksanaan program