ANALISIS SENTIMEN KOMENTAR INSTAGRAM MENGGUNAKAN ALGORITMA SUPPORT VECTOR MACHINE (SVM)

Instagram merupakan media sosial dengan volume interaksi komentar yang sangat tinggi, sehingga rentan menjadi wadah munculnya komentar bersifat cyberbullying. Sifat komentar yang tidak terstruktur, beragam, dan subjektif membuat analisis manual menjadi tidak efisien, sehingga dibutuhkan pendekatan otomatis melalui analisis sentimen. Penelitian ini bertujuan mengukur performa algoritma Support Vector Machine (SVM) dalam mengklasifikasikan komentar cyberbullying pada Instagram berbahasa Indonesia, serta menganalisis pengaruh kombinasi Word TF-IDF dan Character TF-IDF dengan delapan variasi nilai parameter C terhadap performa model. Dataset yang digunakan berjumlah 650 komentar dari Kaggle dengan proporsi seimbang antara komentar non-bullying dan bullying. Tahapan penelitian meliputi preprocessing, ekstraksi fitur N-gram yang dibobotkan dengan kombinasi Word dan Character TF-IDF, kemudian diklasifikasikan menggunakan SVM kernel linear dan dievaluasi dengan 5-Fold Cross Validation. Hasil eksperimen menunjukkan bahwa parameter C = 0,5 menghasilkan performa terbaik dengan rata-rata akurasi 86,77%, precision 86,81%, recall 86,77%, dan F1-score 86,76%. Hasil ini membuktikan bahwa kombinasi Word dan Character TF-IDF mampu menangkap variasi penulisan bahasa tidak baku, sehingga model SVM yang dibangun terbukti andal dan stabil dalam mendeteksi cyberbullying di Instagram.