Penerapan Naïve Bayes & Support Vector Machine untuk Analisis Sentimen Pilpres Pada Platform X

Pemilihan Presiden (Pilpres) 2024 menjadi topik yang sangat hangat diperbincangkan di media sosial, terutama di Platform X, yang banyak digunakan oleh masyarakat untuk menyuarakan opini mereka. Namun, dengan banyaknya opini yang tersebar, menjadi tantangan tersendiri untuk memahami sentimen masyarakat secara keseluruhan. Penelitian ini bertujuan untuk menganalisis sentimen masyarakat terhadap Pilpres 2024 di Platform X dengan membandingkan dua algoritma pembelajaran mesin, yaitu Naïve Bayes dan Support Vector Machine (SVM). Data yang digunakan dalam penelitian ini terdiri dari 503 tweet, yang setelah melalui proses preprocessing termasuk penghapusan data duplikat, tersisa 445 tweet. Data tersebut dibagi menjadi dua bagian, yaitu 80% untuk data latih dan 20% untuk data uji. Metode analisis yang digunakan mencakup perhitungan Term Frequency-Inverse Document Frequency (TF-IDF) pada kedua algoritma tersebut untuk mengoptimalkan representasi teks. Hasil penelitian menunjukkan bahwa algoritma SVM memiliki akurasi keseluruhan yang lebih tinggi, yaitu 91,01%, dibandingkan dengan Naïve Bayes yang hanya mencapai 42,70%. Namun, performa kedua algoritma bervariasi berdasarkan kelas sentimen. SVM menunjukkan kinerja sangat baik dalam memprediksi kelas netral dengan presisi sebesar 0,9101, recall sebesar 1,0, dan F1-Score sebesar 0,9529. Sebaliknya, Naïve Bayes menunjukkan presisi sebesar 0,9211 pada kelas netral tetapi memiliki recall yang rendah sebesar 0,4321, menghasilkan F1-Score sebesar 0,5882. Kedua algoritma menunjukkan keterbatasan signifikan dalam memprediksi kelas positif dan negatif, dengan SVM gagal memprediksi kedua kelas tersebut, sedangkan Naïve Bayes memiliki presisi dan recall yang sangat rendah. Temuan ini menunjukkan bahwa meskipun SVM lebih andal dalam memprediksi sentimen netral, diperlukan peningkatan metode atau eksplorasi algoritma lain untuk mencapai hasil yang lebih baik dalam prediksi semua kelas sentimen