<![CDATA[Kolom komentar pada platform YouTube menghasilkan volume data tekstual yang masif dan kaya akan opini publik, tidak terkecuali pada kanal Luthfi Halimawan. Riset ini menguji sekaligus membandingkan keandalan algoritma Naive Bayes dan Support Vector Machine (SVM) dalam mengelompokkan sentimen pemirsa menjadi tiga kategori utama: Apresiasi, Kritik/Keluhan, serta Diskusi/Informasi. Dataset yang digunakan berjumlah 3.195 komentar bersih. Fitur kata diekstraksi menggunakan Term Frequency-Inverse Document Frequency (TF-IDF) dengan rentang N-gram (1,2) pada batas maksimal 2.500 fitur. Skenario pengujian mengadopsi pembagian data (data splitting) sebesar 80% untuk data latih dan 20% untuk data uji, di mana ketimpangan kelas pada data latih diatasi menggunakan teknik Random Oversampling. Berdasarkan hasil eksperimen pada data uji asli, model SVM menunjukkan keunggulan dominan dengan akurasi sebesar 95,84%, rata-rata precision 0,83, recall 0,65, dan F1-score 0,70. Sebaliknya, Naive Bayes hanya mencatatkan akurasi 65,95% dengan rata-rata precision 0,53, recall 0,51, dan F1-score 0,52. Temuan ini mengindikasikan bahwa arsitektur berbasis hyperplane pada SVM jauh lebih stabil dan adaptif dalam mengekstraksi fitur teks yang kompleks serta non-formal khas media sosial.]]>
Copyrights © 2026
