Komparasi Algoritma SVM dan Naïve Bayes dalam Analisis Sentimen Media Sosial terhadap Wacana Mata Uang BRICS

Abstract

Kemunculan mata uang BRICS memunculkan beragam persepsi publik yang terekam di media
sosial, namun belum banyak dikaji secara sistematis. Penelitian ini bertujuan untuk menganalisis
sentimen masyarakat terhadap wacana mata uang BRICS dengan memanfaatkan data dari tiga
platform, yaitu X, YouTube, dan TikTok. Proses klasifikasi dilakukan menggunakan algoritma
Support Vector Machine (SVM) dan Naïve Bayes setelah melalui tahapan prapemrosesan teks
serta pembobotan TF-IDF. Hasil penelitian menunjukkan bahwa SVM menghasilkan akurasi
tertinggi, yakni 65,5% pada X, 73,6% pada YouTube, dan 63,8% pada TikTok. Sementara itu,
Naïve Bayes memberikan akurasi yang lebih rendah tetapi relatif stabil di ketiga platform. Dengan
demikian, SVM dinilai lebih efektif dalam mengklasifikasikan sentimen media sosial terkait mata
uang BRICS. Temuan ini memberikan kontribusi pada pemetaan opini publik sekaligus menjadi
rujukan dalam pemilihan metode analisis sentimen berbasis media sosial.
Kata kunci: BRICS, analisis sentimen, support vector machine, naïve bayes, media sosial