Komparasi Kinerja Metode Naïve Bayes Dan SVM Untuk Analisis Sentimen Opini Publik Di Youtube David Gadgetin Terhadap Iphone 17 Pro

Abstract

Penelitian ini bertujuan untuk membandingkan kinerja algoritma Naïve Bayes dan Support Vector Machine (SVM) dalam analisis sentimen opini publik pada komentar YouTube terkait penggunaan iPhone 17 Pro di kanal David Gadgetin. Penelitian menggunakan pendekatan Natural Language Processing (NLP) dengan memanfaatkan 1.382 komentar yang diperoleh melalui proses web scraping menggunakan YouTube Data API v3. Dataset diproses melalui tahapan text preprocessing yang meliputi case folding, normalization, tokenization, filtering (stopword removal), dan stemming, kemudian direpresentasikan menggunakan pembobotan Term Frequency–Inverse Document Frequency (TF-IDF). Proses klasifikasi dilakukan menggunakan algoritma Naïve Bayes dan SVM berbasis kernel linear dengan skema pembagian data 80:10:10, yaitu 80% data latih, 10% data validasi, dan 10% data uji. Kinerja kedua model dievaluasi menggunakan metrik accuracy, precision, recall, F1-score, serta analisis confusion matrix. Hasil pengujian menunjukkan bahwa model SVM memperoleh akurasi sebesar 81,16% pada data validasi dan 84,17% pada data uji, sedangkan Naïve Bayes memperoleh akurasi sebesar 77i,54% pada data validasi dan 74,82% pada data uji. Pada kelas sentimen negatif, SVM memperoleh F1-score sebesar 0,86, sedangkan Naïve Bayes memperoleh 0,00. Berdasarkan hasil eksperimen pada dataset penelitian ini, SVM menunjukkan performa yang relatif lebih baik dibandingkan Naïve Bayes dalam klasifikasi sentimen komentar YouTube terhadap iPhone 17 Pro. Meskipun demikian, interpretasi terhadap hasil pada kelas minoritas tetap perlu dilakukan secara hati-hati karena jumlah data negatif relatif sedikit.