IMPLEMENTASI METODE SUPPORT VECTOR MACHINE (SVM) UNTUK ANALISIS SENTIMEN KOMENTAR YOUTUBE BERBASIS PYTHON

Abstract

Penelitian ini bertujuan untuk mengimplementasikan metode Support Vector Machine (SVM) dalam melakukan analisis sentimen terhadap komentar pengguna pada platform YouTube berbasis Python. Analisis sentimen dilakukan untuk mengetahui kecenderungan opini publik terhadap suatu konten dalam bentuk sentimen positif, netral, dan negatif. Data yang digunakan berupa komentar YouTube yang diambil menggunakan API, kemudian diproses melalui tahapan text preprocessing yang meliputi cleaning, tokenizing, stopword removal, dan stemming. Selanjutnya, data teks diubah menjadi representasi numerik menggunakan metode Term Frequency-Inverse Document Frequency (TF-IDF). Proses klasifikasi dilakukan menggunakan algoritma SVM yang dikenal memiliki performa baik dalam menangani data berdimensi tinggi seperti teks. Sistem yang dikembangkan mampu melakukan analisis secara otomatis mulai dari pengambilan data hingga penyajian hasil dalam bentuk grafik, tabel, serta file unduhan CSV. Hasil pengujian menunjukkan bahwa sistem dapat berjalan dengan baik sesuai dengan fungsi yang dirancang. Berdasarkan pengujian White Box dan Black Box, seluruh fitur sistem berfungsi dengan benar. Selain itu, hasil User Acceptance Testing (UAT) menunjukkan tingkat kepuasan pengguna sebesar 90,25%, yang menunjukkan bahwa sistem mudah digunakan dan memberikan hasil yang informatif. Meskipun demikian, penelitian ini memiliki keterbatasan dalam menangani bahasa informal, sarkasme, serta ketidakseimbangan dataset. Oleh karena itu, pengembangan lebih lanjut diperlukan untuk meningkatkan akurasi dan performa sistem.