KLASIFIKASI SENTIMEN PUBLIK TERHADAP KEBIJAKAN KENDARAAN LISTRIK MENGGUNAKAN ALGORITMA NAÏVE BAYES DAN SUPPORT VECTOR MACHINE

Perubahan iklim menjadi isu global yang mendesak, dengan emisi gas rumah kaca dan polusi udara berdampak buruk pada kesehatan dan lingkungan. Kendaraan listrik (EV) muncul sebagai solusi efektif untuk mengurangi emisi dan polusi, karena tidak menghasilkan emisi langsung. Penelitian ini bertujuan untuk mengklasifikasikan sentimen publik terhadap kebijakan kendaraan listrik dengan menggunakan algoritma Naïve Bayes dan Support Vector Machine. Data yang digunakan diperoleh melalui proses crawling dari media sosial Twitter, yang kemudian melalui tahapan preprocessing, labeling menggunakan TextBlob, dan weighting menggunakan TF-IDF, model diklasifikasikan ke dalam tiga kategori sentimen positif, negatif, dan netral. Model klasifikasi diuji berdasarkan metrik akurasi, presisi, recall, dan F1-score. Hasil penelitian menunjukkan bahwa algoritma Support Vector Machine memiliki akurasi yang lebih tinggi dibandingkan Naïve Bayes, dengan nilai masing-masing sebesar 81% dan 76%. Temuan ini mengindikasikan bahwa Support Vector Machine lebih efektif dalam mengklasifikasikan sentimen publik terhadap kebijakan kendaraan listrik. Dengan demikian, penelitian ini diharapkan dapat memberikan wawasan yang lebih mendalam serta meningkatkan pemahaman masyarakat mengenai sentimen publik terhadap kebijakan pemerintah terkait kendaraan listrik