PERBANDINGAN METODE SVM DAN NAÏVE BAYES DALAM ANALISIS SENTIMEN KONFLIK PERANG DAGANG CINA-AMERIKA PADA APLIKASI X

Abstract

Isu perang dagang antara Cina dan Amerika Serikat telah menjadi topik yang menarik perhatian publik di berbagai platform media sosial, termasuk Aplikasi X. Meskipun banyak penelitian sebelumnya telah membandingkan algoritma Support Vector Machine (SVM) dan Naïve Bayes dalam konteks analisis sentimen, studi yang secara khusus mengkaji performa kedua metode ini dalam menganalisis sentimen publik terhadap perang dagang Cina-Amerika di Aplikasi X masih sangat terbatas. Penelitian ini bertujuan untuk mengisi kekosongan tersebut dengan membandingkan kinerja SVM dan Multinomial Naïve Bayes dalam mengklasifikasikan sentimen cuitan terkait topik tersebut. Hasil evaluasi menunjukkan bahwa Multinomial Naïve Bayes menghasilkan akurasi sebesar 82%, dengan precision 0.80 untuk sentimen negatif dan 0.82 untuk sentimen positif. Namun, model ini kurang optimal dalam mengenali sentimen negatif, dengan recall negatif hanya mencapai 0.64 dan F1-score 0.71. Sebaliknya, model SVM menunjukkan kinerja yang lebih unggul, dengan akurasi 95% serta F1-score 0.93 untuk sentimen negatif dan 0.96 untuk sentimen positif. SVM juga menunjukkan prediksi yang lebih stabil dan seimbang, dengan kesalahan prediksi yang rendah pada kedua kelas sentimen. Keunggulan SVM terletak pada kemampuannya untuk menangani ketidakseimbangan kelas dan mengenali pola yang lebih kompleks dalam data. Hasil penelitian diharapkan dapat memberikan wawasan yang lebih dalam mengenai analisis sentimen isu-isu strategis global seperti perang dagang, serta memberikan rekomendasi untuk pengembangan model klasifikasi yang lebih efektif di media sosial.