<![CDATA[Abstrak - Korupsi di Indonesia adalah tindakan kejahatan yang sangat berbahaya dan mengancam struktur negara serta kepercayaan masyarakat. Tidak adanya efektivitas sistem hukum konvensional dalam memberikan efek jera mendorong munculnya pembahasan mengenai Rancangan Undang-Undang (RUU) Perampasan Aset sebagai solusi kebijakan baru. RUU ini mengusulkan perubahan pendekatan dari cara memburu tersangka menjadi memburu sumber dana, sehingga memicu perbincangan luas di masyarakat, khususnya di platform media sosial seperti YouTube. Penelitian ini bertujuan menganalisis perasaan atau opini publik terhadap RUU Perampasan Aset dengan memanfaatkan data kualitatif dari komentar di YouTube. Metode yang digunakan adalah klasifikasi Support Vector Machine (SVM) untuk mengelompokkan sentimen menjadi positif, dan negatif. Metode penelitian mencakup beberapa tahap utama, seperti pengumpulan data, pra-pemrosesan teks yang mencakup pembersihan, penyesuaian huruf, pemisahan kata, penyaringan, dan penyederhanaan kata. Fitur kata kemudian diberi bobot menggunakan metode Term Frequency-Inverse Document Frequency (TF-IDF), dilanjutkan dengan implementasi dan penilaian model SVM. Hasil dari penelitian ini diharapkan memberikan gambaran lengkap mengenai sentimen publik. Implikasinya adalah memberikan masukan berbasis data empiris bagi para pengambil kebijakan dalam proses pembuatan undang-undang serta kontribusi metode untuk studi Natural Language Processing (NLP) dalam konteks analisis kebijakan publik di Indonesia.Kata kunci : Analisis Sentimen; Komentar YouTube; Opini Publik; RUU Perampasan Aset; Support Vector Machine; Abstract - Corruption in Indonesia is a highly dangerous criminal act that threatens the state structure and public trust. The lack of effectiveness within the conventional legal system in providing a deterrent effect has prompted discussions regarding the Asset Forfeiture Bill (RUU Perampasan Aset) as a new policy solution. This bill proposes a shift in approach from pursuing suspects to pursuing financial sources, triggering widespread public discussion, particularly on social media platforms such as YouTube. This research aims to analyze public sentiment or opinions regarding the Asset Forfeiture Bill by utilizing qualitative data from YouTube comments. The method employed is Support Vector Machine (SVM) classification to categorize sentiments into positive and negative. The research methodology includes several main stages, such as data collection and text preprocessing, which involves cleaning, case folding, tokenization, filtering, and stemming. Word features are then weighted using the Term Frequency-Inverse Document Frequency (TF-IDF) method, followed by the implementation and evaluation of the SVM model. The results of this study are expected to provide a comprehensive overview of public sentiment. The implications include providing empirical data-based input for policymakers in the legislative process, as well as contributing a methodology for Natural Language Processing (NLP) studies within the context of public policy analysis in Indonesia.Keywords: Sentiment Analysis; YouTube Comments; Public Opinion; Asset Forfeiture Bill; Support Vector Machine;]]>
