<![CDATA[Pertumbuhan teknologi kendaraan listrik di Indonesia memicu beragam opini publik, khususnya di platform media sosial seperti YouTube. CNBC Indonesia, sebagai salah satu sumber informasi terpercaya, sering menjadi pusat diskusi terkait isu ini. Penelitian ini bertujuan untuk meningkatkan model klasifikasi sentimen publik terhadap kendaraan listrik menggunakan algoritma Support Vector Machine (SVM), yang dikenal memiliki performa unggul dalam klasifikasi berbasis teks. Data penelitian berupa komentar publik dari kanal YouTube CNBC Indonesia yang dikumpulkan dari video-video bertema kendaraan listrik selama periode tertentu. Tahapan penelitian meliputi preprocessing data seperti tokenisasi, penghapusan stopwords, stemming, pembobotan dengan Term Frequency-Inverse Document Frequency (TF-IDF), dan implementasi algoritma SVM untuk klasifikasi sentimen menjadi positif dan negatif. Evaluasi model dilakukan menggunakan metrik akurasi, presisi, recall, dan F1-score, serta membandingkan hasilnya dengan algoritma lain seperti Naïve Bayes. Hasil penelitian menunjukkan bahwa algoritma SVM memiliki performa terbaik dengan akurasi mencapai 93% dan F1-score yang konsisten tinggi. Sebagian besar sentimen publik terhadap kendaraan listrik bersifat negatif, meskipun terdapat kritik terkait infrastruktur dan biaya yang masih menjadi tantangan. Keberhasilan algoritma SVM menunjukkan potensinya untuk analisis teks yang lebih kompleks di masa depan, meskipun penelitian ini menghadapi tantangan seperti bias data dan perlunya memperluas dataset.]]>
Copyrights © 2025
