<![CDATA[Analisis sentimen pada media sosial telah menjadi bidang penelitian yang berkembang pesat seiring meningkatnya volume data teks yang dihasilkan pengguna. Penelitian ini melakukan kajian literatur sistematis (Systematic Literature Review/SLR) terhadap 56 jurnal ilmiah yang membahas penerapan algoritma Naive Bayes dan Support Vector Machine (SVM) dalam analisis sentimen pada berbagai platform media sosial. Tujuan penelitian ini adalah membandingkan kinerja kedua algoritma berdasarkan metrik akurasi, precision, recall, dan F1-score, serta mengidentifikasi faktor-faktor yang mempengaruhi performanya. Hasil kajian menunjukkan bahwa SVM secara konsisten menghasilkan akurasi lebih tinggi dibandingkan Naive Bayes, dengan rata-rata akurasi SVM berkisar 83%–97% dan Naive Bayes 56%–95%. Faktor yang mempengaruhi performa kedua algoritma meliputi ukuran dan kualitas dataset, metode preprocessing teks, teknik ekstraksi fitur (TF-IDF, Word2Vec, n-gram), serta karakteristik bahasa. SVM unggul dalam menangani data berdimensi tinggi dan non-linear, sementara Naive Bayes menawarkan efisiensi komputasi lebih baik pada dataset kecil. Penelitian ini memberikan panduan pemilihan algoritma yang tepat sesuai kebutuhan analisis sentimen media sosial]]>
Copyrights © 2026
