<![CDATA[Media sosial telah berkembang menjadi salah satu sumber data yang relevan untuk mengidentifikasi persepsi publik terhadap berbagai isu, termasuk kasus korupsi yang memperoleh perhatian luas. Penelitian ini bertujuan untuk menganalisis sentimen masyarakat terhadap putusan kasus korupsi yang melibatkan Nadiem Anwar Makarim melalui komentar pada platform YouTube, sekaligus mengevaluasi kinerja algoritma Naive Bayes dan Support Vector Machine (SVM) dalam proses klasifikasi sentimen. Data penelitian diperoleh melalui teknik pengambilan komentar YouTube dan setelah melalui tahapan pembersihan data diperoleh sebanyak 3.025 komentar yang layak dianalisis. Proses penelitian diawali dengan tahapan text preprocessing, kemudian dilakukan pelabelan sentimen secara otomatis menggunakan leksikon InSet. Selanjutnya, representasi fitur dibentuk menggunakan metode Term Frequency-Inverse Document Frequency (TF-IDF),kemudian dilakukan klasifikasi menggunakan algoritma Naive Bayes dan SVM. Evaluasi performa model dilakukan berdasarkan metrik akurasi, precision, recall, F1-Score, serta confusion matrix. Selain itu, metode Latent Dirichlet Allocation (LDA) diterapkan untuk mengidentifikasi topik-topik dominan yang muncul pada data komentar sehingga mampu memberikan interpretasi yang lebih komprehensif terhadap hasil analisis sentimen. Hasil pelabelan menunjukkan bahwa sentimen negatif mendominasi data dengan proporsi sebesar 81,99%, sedangkan sentimen positif dan netral masing-masing sebesar 9,90% dan 8,11%. Berdasarkan hasil pengujian, algoritma SVM menghasilkan performa terbaik dengan nilai akurasi sebesar 83,72%, precision 0,8636, recall, 0,8272, dan F1-score 0,7554. Sementara itu, pemodelan topik menggunakan LDA menghasilkan nilai koherensi (C_v) sebesar 0,4233. Temuan penelitian ini mengindikasikan bahwa algoritma SVM memiliki kemampuan yang lebih baik dibandingkan Naive Bayes dalam mengklasifikasikan sentimen pada data komentar YouTube yang digunakan.]]>
