Analisis Sentimen Komentar Youtube Terhadap Kasus Bjorka Dengan Membadingkan Navie Bayes dan SVM

Rizky Haryanto Putro (Universitas Semarang)
Aria Hendrawan (Universitas Semarang)

KETIK : Jurnal Informatika
Vol. 3 No. 03 (2026): Januari

Penelitian ini bertujuan untuk menganalisis sentimen komentar pengguna YouTube terkait kasus kebocoran data yang melibatkan Bjorka dengan membandingkan kinerja algoritma Naive Bayes dan Support Vector Machine (SVM). YouTube, sebagai salah satu platform media sosial terbesar, telah menjadi forum bagi masyarakat untuk mengekspresikan opini dan persepsi mereka mengenai isu keamanan data dan privasi digital. Data penelitian terdiri dari komentar YouTube yang dikumpulkan dari beberapa video terkait kasus Bjorka selama periode 2023–2025. Data diproses melalui pra-pemrosesan teks, pelabelan sentimen menggunakan metode VADER Indonesia, penyeimbangan data untuk mengatasi ketidakseimbangan kelas, dan ekstraksi fitur menggunakan metode Term Frequency–Inverse Document Frequency (TF-IDF). Selanjutnya, proses klasifikasi dilakukan menggunakan algoritma Naive Bayes dan Support Vector Machine. Hasil menunjukkan bahwa algoritma Support Vector Machine memiliki kinerja yang lebih baik dengan nilai akurasi 95,18% dan skor F1 95%, sedangkan algoritma Naive Bayes memperoleh nilai akurasi 73,81% dan skor F1 74%. Berdasarkan hasil tersebut, dapat disimpulkan bahwa algoritma SVM lebih efektif dalam mengklasifikasikan sentimen komentar pengguna YouTube berbahasa Indonesia terkait kasus Bjorka.