<![CDATA[Sebagai pelayan masyarakat, pemerintah memiliki peran yang penting dan tanggung jawab untuk menyediakan layanan yang memadai. Dengan meningkatnya jumlah pengguna Instagram di Indonesia meberikan kemudahan bagi masyarakat dalam berkomunikasi. Ekspresi masyarakat di Instagram terhadap pelayanan Pemerintah DKI Jakarta menunjukkan kompleksitas. Komentar-komentar mencerminkan ketidakpuasan dan kritik tajam terhadap layanan public. Penelitian ini mencoba melakukan klasifikasi komentar menjadi dua kelas positive dan negative dengan menerapkan dua metode klasifikasi, yaitu Support Vector Machine (SVM) dan Multinomial Naive Bayes (MNB), dalam analisis sentimen terhadap komentar masyarakat pada akun media sosial DKI Jakarta. Tahap pemodelan mencakup pembagian data latih dan uji dengan variasi rasio, dan metode SVM dievaluasi menggunakan kernel linear dan radial basis function (RBF) dengan grid search cross-validation. Hasil menunjukkan bahwa SVM memberikan akurasi yang sedikit lebih tinggi daripada MNB, mencapai 82%. Parameter optimal untuk SVM adalah C=100 dan gamma=0.1 pada kernel RBF. Pada MNB, parameter alpha=2.0 dan fit_prior=True memberikan kinerja optimal dengan akurasi 80%. Evaluasi dilakukan dengan confusion matrix dan 10-folds cross validation. Meskipun SVM sedikit lebih unggul, penelitian selanjutnya direkomendasikan untuk eksplorasi teknik-teknik baru dalam machine learning dan pengembangan model klasifikasi yang lebih kompleks. Penelitian ini memberikan kontribusi penting dalam memahami sentimen masyarakat terhadap pelayanan publik DKI Jakarta, membuka pintu untuk pengembangan analisis sentimen lebih lanjut dengan metode-metode machine learning]]>
