<![CDATA[Perbandingan Klasifikasi dan Nilai Akurasi Sentimen Analisis yang dilakukan dengan Algoritma Naive Bayes dan Support Vector Machine dalam menganalisa label sentimen positif dan negative Dapat mengetahui sentimen masyarakat mengenai Informasi dan edukasi Aplikasi SATUSEHAT dengan lebih efisien dari segi waktu dan tenaga.Mengetahui faktor-faktor yang mempengaruhi nilai Akurasi dari Algoritma Naive Bayes dan Support Vector Machine dalam menganalisa label sentimen positif dan negatif.Pengambilan data dilakukan lewat media sosial Twitter dengan menggunakan API Twitteruntuk pengambilan crawling data untuk pengambilan data Twitter dengan kata kunci yang digunakan yaitu " SatuSehat” Total jumlah sampel yang digunakan dalam penelitian ini minimal 1046 data komentar atau lebih. Sampel data yang akan diambil memiliki rentang waktu setahun yaitu pada tahun 2023.Hasil akhir dari Perbandingan dengan dua metode pengujian ini, yaitu hasil prediksi Sentimen Masyakarat Terhadap Isu Aplikasi SatuSehat berdasarkan data yang didapat dari Twitter dan diimplementasikan dengan metode SVM (Support Vector Machine) menunjukkan nilai akurasi sebesar 87.95 %. Dari 1080 data uji, terprediksi 132 data sebagai Sentimen Positif dan 947 data sebagai Sentimen Negatif. Untuk hasil prediksi dari Sentimen Negatif, terdapat 1080 data terprediksi Negatif dan 1 data yang terprediksi Positif. dan Metode Naive bayes menunjukkan nilai akurasi sebesari 81.65%. Dari 1081 data uji, terprediksi sebesar 947 data sebagai Sentimen Negatif dan 132 data sebagai Sentimen Positif Untuk hasil prediksi dari Sentimen Negatif, terdapat 947 data terprediksi Negatif dan 1 data yang terprediksi Positif.]]>
