Komparasi Naive Bayes dan Support Vector Machine untuk Analisis Sentimen Kebijakan Pemerintah Mengenai Makan Bergizi Gratis
Comparing Naive Bayes and Support Vector Machine for Sentiment Analysis of Government Policy on Free Nutritious Meals
DOI:
https://doi.org/10.57152/malcom.v6i4.2998Keywords:
Accuracy, Count Vectorizer, Makan Bergizi Gratis, Naive Bayes, Support Vector MachineAbstract
Kebijakan Program Makan Bergizi Gratis (MBG) pemerintah memicu perdebatan publik di platform TikTok. Penelitian ini bertujuan mengklasifikasikan sentimen opini publik terhadap kebijakan MBG ke dalam kelas positif dan negatif dengan membandingkan algoritma Multinomial Naive Bayes dan Support Vector Machine (SVM) menggunakan ekstraksi fitur CountVectorizer. Dataset sebanyak 4.000 komentar dikumpulkan melalui Apify dari empat akun berita resmi nasional. Pelabelan awal dilakukan secara otomatis menggunakan InSet Lexicon dan divalidasi secara manual oleh anotator manusia sebagai gold standard untuk mengurangi bias makna kata informal. Hasil pelabelan menunjukkan dominasi sentimen positif sebesar 89,60% dan negatif sebesar 10,40%. Pengujian dengan rasio split data 80:20 menunjukkan bahwa SVM kernel linear menghasilkan akurasi tertinggi sebesar 99,12%, sedangkan Naive Bayes mencapai 91,62%. Pengujian lintas skenario menunjukkan Naive Bayes lebih rentan terhadap penurunan kinerja, dengan akurasi terendah 72,70% pada skenario undersampling dan tiga kelas, sementara SVM tetap stabil di atas 95%. Analisis WordCloud menunjukkan sentimen positif didominasi optimisme terhadap pemerintah, sedangkan sentimen negatif menyoroti risiko korupsi anggaran. Keterbatasan penelitian meliputi kesulitan model memahami konteks kalimat, kata informal, dan sarkasme. Hasil penelitian menunjukkan bahwa SVM lebih efektif dan stabil untuk klasifikasi sentimen teks TikTok yang tidak seimbang, memberikan kinerja konsisten pada berbagai skenario pengujian.
Downloads
References
A. Putriyekti, D. Sulistiawati, N. Khairani, and R. R. A. Kusuma, "Analisis multidimensional sentimen masyarakat terhadap program makan bergizi gratis pada media sosial X," Integrative Perspectives of Social and Science Journal (IPSSJ), vol. 2, no. 1, pp. 1004–1024, 2025. url: https://ipssj.com/index.php/ojs/article/view/142
V. Agustina and A. Herliana, "Analisis sentimen publik atas kebijakan efisiensi anggaran 2025 dengan text mining dan natural language processing," Jurnal Media Informatika (JUMIN), vol. 6, no. 3, pp. 2182–2194, 2025. https://doi.org/10.55338/jumin.v6i3.6301
N. Apriliani, N. Suarna, and W. Prihartono, "Analisis sentimen review penggunaan tiktok melalui pendekatan algoritma naïve bayes," JATI (Jurnal Mahasiswa Teknik Informatika), vol. 7, no. 6, pp. 3788–3794, 2023. https://doi.org/10.36040/jati.v7i6.8299
F. A. Indriyani, A. Fauzi, and S. Faisal, "Analisis sentimen aplikasi tiktok menggunakan algoritma naïve bayes dan support vector machine," TEKNOSAINS: Jurnal Sains, Teknologi dan Informatika, vol. 10, no. 2, pp. 176–184, 2023. DOI: 10.37373/tekno.v10i2.419
D. F. M. Dina, T. Haryanti, and M. A. Haq, "Analisis sentimen terhadap komentar pada media sosial tiktok yang berpotensi menyebabkan depresi menggunakan metode naive bayes," Jurnal Ilmiah Computing Insight, vol. 7, no. 1, pp. 1–9, 2025. https://doi.org/10.30651/comp_insight.v7i1.26327
A. Sagostian, L. Yuda, and Yandi, "Analisis sentimen komentar netizen terhadap video pemindahan dan pembangunan ibu kota nusantara di tiktok menggunakan metode naïve bayes," HOAQ: Jurnal Teknologi Informasi, vol. 16, no. 2, pp. 181–185, 2025. https://doi.org/10.52972/hoaq.vol16no2.p181-185
K. Setiawan and E. Alafia, "Analisis sentimen komentar tiktok terhadap kebijakan larangan wisuda sekolah oleh gubernur jawa barat menggunakan algoritma naive bayes," Jurnal Indonesia: Manajemen Informatika dan Komunikasi, vol. 6, no. 3, pp. 1–8, 2025. https://doi.org/10.63447/jimik.v6i3.1615
E. Apriani, I. F. Hanif, F. Oktavianalisti, L. D. H. Monasari, and I. Winarni, "Analisis sentimen penggunaan tiktok sebagai media pembelajaran menggunakan algoritma naïve bayes classifier," MALCOM: Indonesian Journal of Machine Learning and Computer Science, vol. 4, no. 3, pp. 1160–1168, 2024. https://doi.org/10.57152/malcom.v4i3.1482
A. Cahya, S. Zamani, Oknel, Y. Nuryamin, and A. Priyatna, "Analisis sentimen pengguna tiktok tentang pembangunan ikn menggunakan algoritma naive bayes dan decision tree," Jurnal Nasional Teknologi Komputer, vol. 5, no. 4, pp. 1–12, 2025. https://doi.org/10.61306/jnastek.v5i4
Z. P. Tiararosa, I. S. Wijaya, and E. Rohaini, "Perbandingan SVM dan naive bayes pada analisis sentimen MBG di platform tiktok dan instagram," Jurnal Informatika dan Rekayasa Komputer (JAKAKOM), vol. 6, no. 1, pp. 1–11, 2026. https://doi.org/10.33998/jakakom.2026.6.1.2750
Ziddan, Muhtasar, Adlyatris, N. Faza, and A. P. Sari, "Analisis sentimen produk pada tiktok shop dengan metode naive bayes," Jurnal Pendidikan Tambusai, vol. 9, no. 2, pp. 1–10, 2025. https://doi.org/10.31004/jptam.v9i2.30106
S. A. S. Mola, P. R. Lete, Triyanto, B. J. A. J. A. Pa, and T. Widiastuti, "Analisis sentimen menggunakan metode naive bayes dan metode support vector machine pada kasus pelantikan artis sebagai anggota anggota dpr ri tahun 2024," HOAQ: Jurnal Teknologi Informasi, vol. 15, no. 1, pp. 22–32, 2024. https://doi.org/10.52972/hoaq.vol15no1.p22-32
Y. A. Prasetyo, E. Utami, and A. Yaqin, "Pengaruh komposisi split data terhadap performa akurasi analisis sentimen algoritma naïve bayes dan SVM," Journal of Electrical Engineering and Computer (JEECOM), vol. 6, no. 2, pp. 382–390, 2024. https://doi.org/10.33650/jeecom.v6i2.9188
A. A. Putri and D. Novianto, "Analisis sentimen masyarakat indonesia terhadap program makan bergizi gratis (MBG) di media sosial X menggunakan perbandingan algoritma naive bayes dan support vector machine," JATI (Jurnal Mahasiswa Teknik Informatika), vol. 10, no. 3, pp. 1–6, 2026. https://doi.org/10.36040/jati.v10i3.18441
R. Amelsan and Muntahanah, "Analisis perbandingan kinerja algoritma naive bayes dan SVM dalam mengklasifikasi sentimen terhadap MBG," JATI (Jurnal Mahasiswa Teknik Informatika), vol. 10, no. 3, pp. 1–8, 2026. https://doi.org/10.36040/jati.v10i3.18357
R. Vincent, I. Maulana, and O. Komarudin, "Perbandingan klasifikasi naive bayes dan support vector machine dalam analisis sentimen dengan multiclass di twitter," JATI (Jurnal Mahasiswa Teknik Informatika), vol. 7, no. 4, pp. 1–10, 2023. https://doi.org/10.36040/jati.v7i4.7152
R. E. Pambudi, H. Purnomo, and A. Aglasia, "Analisis klasifikasi sentimen pengguna mypertamina menggunakan metode evaluasi precision, recall, dan f1-score," Aisyah Journal of Informatics and Electrical Engineering (AJIEE), vol. 7, no. 2, pp. 1–6, 2025. https://doi.org/10.30604/jti.v7i2
Nurzaman, N. Suarna, and W. Prihartono, "Analisis sentimen ulasan aplikasi threads di google playstore menggunakan algoritma naïve bayes," JATI (Jurnal Mahasiswa Teknik Informatika), vol. 8, no. 1, pp. 1–8, 2024. https://doi.org/10.36040/jati.v8i1.8708
F. Fatkhurrohman, B. I. Nugroho, and N. Fadillah, "Analisis sentimen program makan bergizi gratis pemerintah RI melalui twitter menggunakan metode SVM," Journal of Artificial Intelligence and Digital Business (RIGGS), vol. 4, no. 3, pp. 3906–3917, 2025. https://doi.org/10.31004/riggs.v4i3.2533
A. S. Rizkia, Wufron, and F. F. Roji, "Analisis sentimen coretax: Perbandingan pelabelan data manual, transformers-based, dan lexicon-based pada performa indoBERT," MALCOM: Indonesian Journal of Machine Learning and Computer Science, vol. 5, no. 3, pp. 1037–1048, 2025. https://doi.org/10.57152/malcom.v5i3.2151
K. Setiawan and K. J. Apriyanto, "Pengembangan model analisis sentimen berbasis naïve bayes terhadap isu kepemimpinan presiden prabowo di tiktok," Journal of Information Technology and Computer Science (INTECOMS), vol. 8, no. 4, pp. 1111–1121, 2025. https://doi.org/10.31539/9dycmf54
D. T. Ksatria, Y. Yunefri, L. L. V. FC, Sutejo, Afriansyah, and I. Chairuddin, "Analisis sentimen ulasan pengguna aplikasi mypertamina pada google playstore menggunakan k-nearest neighbor dan naïve bayes," Prosiding-Seminar Nasional Teknologi Informasi & Ilmu Komputer (SEMASTER), vol. 2, no. 1, pp. 213–227, 2023. https://journal.unilak.ac.id/index.php/Semaster/article/view/18526
R. Wati, S. Ernawati, and H. Rachmi, "Pembobotan TF-IDF menggunakan naïve bayes pada sentimen masyarakat mengenai isu kenaikan BIPIH," Jurnal Manajemen Informatika (JAMIKA), vol. 13, no. 1, pp. 1–10, 2023. https://doi.org/10.34010/jamika.v13i1.9424
N. K. Singh, D. S. Tomar, and A. K. Sangaiah, "Sentiment analysis: a review and comparative analysis over social media," Journal of Ambient Intelligence and Humanized Computing, pp. 1–21, 2018. https://doi.org/10.1007/s12652-018-0862-8
J. O. Leandro and M. I. Fianty, "Evaluation of sentiment analysis methods for social media applications: A comparison of support vector machines and naïve bayes," JOIV: International Journal on Informatics Visualization, vol. 9, no. 1, pp. 796–807, Mar. 2025. http://dx.doi.org/10.62527/joiv.9.2.2905
L. Tsabitah, D. A. Karima, Z. D. P. Munaspin, N. M. Titiana, and Fathoni, "Analisis sentimen program makan siang gratis dalam mendukung SDGs menggunakan naïve bayes," JATI (Jurnal Mahasiswa Teknik Informatika), vol. 9, no. 4, pp. 6288–6294, May 2025. https://doi.org/10.36040/jati.v9i4.14060
Downloads
Published
How to Cite
Issue
Section
License
Copyright (c) 2026 Sri Mulyani, Siti Mutmainah, Hilyatul Mustafidah
This work is licensed under a Creative Commons Attribution-ShareAlike 4.0 International License.
Copyright © by Author; Published by Institut Riset dan Publikasi Indonesia (IRPI)
This Indonesian Journal of Machine Learning and Computer Science is licensed under a Creative Commons Attribution-ShareAlike 4.0 International License.
