<![CDATA[Kebijakan Tabungan Perumahan Rakyat (Tapera) memicu kontroversi luas di masyarakat Indonesia, yang terekspresikan secara masif melalui kolom komentar platform YouTube. Namun, format opini publik yang tidak terstruktur dan informal menyulitkan pemetaan persepsi masyarakat secara objektif. Penelitian ini bertujuan menganalisis distribusi sentimen publik terhadap kebijakan Tapera serta mengukur performa algoritma Support Vector Machine (SVM) dengan ekstraksi fitur hibrida. Pendekatan metodologi yang digunakan adalah CRISP-DM. Data penelitian dikumpulkan dari YouTube API v3, menghasilkan 2.692 komentar valid setelah disaring dari 4.478 komentar mentah menggunakan kamus relevansi dan spam. Representasi fitur teks dirancang dengan mengintegrasikan pembobotan statistik TF-IDF dan nilai semantik Skor Leksikon, yang kemudian diklasifikasikan menggunakan SVM kernel Linear dengan proporsi pembagian data 70:30. Hasil penelitian menunjukkan model SVM hibrida meraih akurasi keseluruhan sebesar 91,83%, dengan rincian polaritas opini didominasi oleh sentimen negatif sebesar 61,6% (1.658 komentar), diikuti sentimen positif sebesar 33,85% (909 komentar), dan sentimen netral sebesar 4,64% (125 komentar). Evaluasi model mengonfirmasi bahwa ketidakseimbangan data (class imbalance) menyebabkan penurunan sensitivitas (recall) kelas netral hingga hanya mencapai 0,439. Kesimpulannya, penggabungan fitur TF-IDF dan Skor Leksikon terbukti sangat efektif dalam meningkatkan kemampuan klasifikasi SVM pada data teks informal, meskipun ketimpangan data pada kelas minoritas tetap menjadi kendala performa mikro yang perlu ditangani.]]>
