<![CDATA[Abstrak - Perkembangan media sosial telah memberikan ruang bagi masyarakat untuk menyampaikan opini terhadap berbagai isu, termasuk kebijakan dalam dunia sepak bola nasional. Penelitian ini bertujuan untuk menganalisis sentimen publik terhadap kebijakan Persatuan Sepak Bola Seluruh Indonesia (PSSI) pada masa kepemimpinan Erick Thohir dengan menggunakan algoritma Naïve Bayes dan Support Vector Machine (SVM). Metode yang digunakan adalah SEMMA (Sample, Explore, Modify, Model, Assess) yang meliputi tahapan pengambilan sampel data, eksplorasi, pembersihan dan pra-pemrosesan teks, pembangunan model klasifikasi, serta evaluasi hasil. Data dikumpulkan melalui proses crawling dari media sosial X (Twitter) menggunakan kata kunci terkait PSSI dan Erick Thohir. Hasil penelitian menunjukkan bahwa algoritma SVM memiliki tingkat akurasi yang lebih tinggi dibandingkan Naïve Bayes dalam mengklasifikasikan sentimen publik, dengan akurasi masing-masing sebesar [isi nanti hasil akurasi, misalnya 87,5% untuk SVM dan 82,3% untuk Naïve Bayes]. Sentimen publik secara umum cenderung bersifat positif terhadap kebijakan PSSI di bawah kepemimpinan Erick Thohir, terutama pada aspek profesionalisme dan transparansi. Penelitian ini diharapkan dapat memberikan kontribusi dalam pemanfaatan analisis sentimen berbasis machine learning sebagai alat evaluasi kebijakan publik, khususnya di bidang olahraga.Kata kunci: Sentimen Publik; PSSI; Erick Thohir; Naïve Bayes; Support Vector Machine; SEMMA; Abstract - The development of social media has provided a platform for the public to express opinions on various issues, including policies in the national football industry. This study aims to analyze public sentiment toward the policies of the Football Association of Indonesia (PSSI) under the leadership of Erick Thohir by using the Naïve Bayes and Support Vector Machine (SVM) algorithms. The research employs the SEMMA (Sample, Explore, Modify, Model, Assess) methodology, which includes the stages of data sampling, exploration, text cleaning and preprocessing, model construction, and evaluation. The data were collected through a crawling process on the social media platform X (Twitter) using keywords related to PSSI and Erick Thohir. The results show that the SVM algorithm achieved a higher accuracy rate than Naïve Bayes in classifying public sentiment, with accuracy scores of [to be filled later, e.g., 87.5% for SVM and 82.3% for Naïve Bayes]. Overall, public sentiment tends to be positive toward PSSI’s policies under Erick Thohir’s leadership, particularly in aspects of professionalism and transparency. This study is expected to contribute to the utilization of sentiment analysis based on machine learning as a tool for evaluating public policy, especially in the field of sports.Keywords: Public Sentiment; PSSI; Erick Thohir; Naïve Bayes; Support Vector Machine; SEMMA;]]>
