PERBANDINGAN SUPPORT VECTOR MACHINE DAN CONVOLUTIONAL NEURAL NETWORK PADA ANALISIS SENTIMEN KOMENTAR VIDEO YOUTUBE TENTANG PERKEMBANGAN KECERDASAN BUATAN

Perkembangan kecerdasan buatan (AI) memicu lonjakan diskusi publik di kolom komentar YouTube, sehingga diperlukan analisis sentimen untuk memahami persepsi masyarakat secara sistematis. Penelitian ini membandingkan performa Support Vector Machine (SVM) dan Convolutional Neural Network (CNN) dalam mengklasifikasikan komentar YouTube berbahasa Indonesia bertema AI ke dalam tiga kelas: positif, negatif, dan netral. Dataset sebanyak 5.034 komentar dari enam video dikumpulkan via YouTube Data API v3, dilabeli manual melalui validasi Fleiss' Kappa, serta dievaluasi menggunakan metode hold-out (80:20) dan Stratified 5-Fold Cross Validation. Hasil pengujian menunjukkan model SVM lebih unggul dengan capaian akurasi sebesar 69,48% dibandingkan model CNN yang hanya mencapai 67,40%. Selain itu, SVM terbukti memiliki tingkat kestabilan generalisasi yang lebih tinggi melalui perolehan nilai standar deviasi yang lebih kecil. Keterbatasan kuantitas data diidentifikasi sebagai faktor utama yang menurunkan performa optimal arsitektur CNN. Kesimpulannya, skema rekayasa fitur statistik TF-IDF yang dikombinasikan dengan algoritma SVM terbukti jauh lebih efektif untuk menangani karakteristik dataset media sosial berbahasa Indonesia yang informal dan bervariasi.