ANALISIS SENTIMEN OPINI PUBLIK TERHADAP ISU KENAIKAN GAJI ANGGOTA DPR PADA PLATFORM TIKTOK MENGGUNAKAN NAIVE BAYES DAN SUPPORT VECTOR MACHINE

Perkembangan media sosial menjadikan TikTok sebagai salah satu sarana masyarakat untuk menyampaikan opini terhadap isu publik, termasuk isu kenaikan gaji anggota DPR. Banyaknya komentar yang tidak terstruktur menyebabkan analisis secara manual menjadi kurang efektif sehingga diperlukan analisis sentimen. Penelitian ini bertujuan membangun aplikasi analisis sentimen komentar TikTok menggunakan algoritma Naïve Bayes dan Support Vector Machine (SVM), serta membandingkan kinerja kedua algoritma berdasarkan nilai accuracy, precision, recall, dan F1-score. Penelitian menggunakan 7.000 komentar yang dibagi menjadi 5.600 data latih dan 1.400 data uji. Tahapan penelitian meliputi preprocessing teks, pelabelan menggunakan Lexicon InSet, ekstraksi fitur TF-IDF, penyeimbangan data dengan SMOTE, serta pelatihan dan pengujian model. Hasil penelitian menunjukkan bahwa SVM memperoleh nilai accuracy 87,14%, precision 87,16%, recall 87,14%, dan F1-score 87,15%, lebih baik dibandingkan Naïve Bayes yang memperoleh accuracy 56,57%, precision 55,47%, recall 56,57%, dan F1-score 49,56%. Hasil klasifikasi menunjukkan sentimen negatif mendominasi sebesar 52,71%, diikuti sentimen netral 40,43% dan positif 6,86%. Dengan demikian, algoritma SVM lebih efektif untuk analisis sentimen opini publik terkait isu kenaikan gaji anggota DPR pada platform TikTok.