<![CDATA[Pada era digital yang berkembang pesat, media sosial menjadi platform utama dalam menyampaikan opini dan informasi, termasuk mengenai isu kesehatan seperti obesitas, terutama di kalangan Generasi Z. Penelitian ini bertujuan untuk membandingkan efektivitas metode Support Vector Machine (SVM) dan Naïve Bayes dalam mengklasifikasikan sentimen publik terhadap obesitas berdasarkan data dari Twitter. Dataset penelitian terdiri dari 4.056 tweet yang dikumpulkan melalui proses scraping, kemudian diproses melalui tahap pembersihan, tokenisasi, dan stemming. Hasil penelitian menunjukkan bahwa algoritma SVM memiliki akurasi 89,23%, lebih tinggi dibandingkan dengan Naïve Bayes yang hanya mencapai akurasi 72,14%. Keunggulan SVM terletak pada kemampuannya memisahkan kelas sentimen dengan hyperplane optimal, menjadikannya metode yang lebih andal untuk analisis sentimen berbasis media sosial. Hasil penelitian ini dapat membantu pembuat kebijakan kesehatan dalam memahami opini publik terhadap obesitas serta merancang strategi komunikasi yang lebih efektif berbasis data.]]>
Copyrights © 2025
