Comparison of SVM and Naive Bayes in Public Sentiment Analysis on Budget Efficiency

Abstract

Kebijakan efisiensi anggaran melalui Instruksi Presiden Nomor 1 Tahun 2025 memicu beragam respons publik di media sosial, khususnya X. Penelitian ini mengklasifikasikan sentimen publik menggunakan algoritma Naïve Bayes dan SVM dengan 6.596 twit setelah tahap praproses, menggunakan pelabelan Lexicon InSet, dan ekstraksi fitur TF-IDF. Hasilnya menunjukkan bahwa SVM-LinearSVC mencapai akurasi tertinggi sebesar 94%, sementara Naïve Bayes mencapai 86% tetapi lebih cepat dalam pelatihan dan prediksi. Temuan ini menegaskan bahwa algoritma pembelajaran mesin efektif untuk memetakan opini publik terkait kebijakan, sekaligus menjadi referensi penelitian analisis sentimen berbahasa Indonesia.