KOMPARASI ALGORITMA NAÏVE BAYES DAN SVM UNTUK ANALISIS SENTIMEN TWITTER KORUPSI BANSOS BERAS MASA PANDEMI

Abstract

Ketidakpercayaan pemerintah terhadap pihak-pihak terkait efisiensi distribusi dan pemanfaatan kebutuhan pangan masyarakat terbukti dengan adanya isu,  kemungkinan korupsi kebutuhan pangan di masa pandemi Covid-19 seperti dilansir media online. Namun seiring berjalannya waktu, media sosial telah menjadi tempat yang lebih mudah diakses oleh masyarakat untuk menelusuri dan belajar. Masyarakat kini dapat berbagi ide dan informasi dengan publik tanpa dibatasi oleh waktu atau lokasi. Salah satu platform media sosial adalah Twitter. Pandangan-pandangan tersebut ditampung melalui media sebagai sebuah forum. Cara mencegah korupsi di Twitter, peneliti menggunakan analisis sentimen pada bidang data mining Korupsi Bansos Beras pada Masa Pandemi. Analisis data melibatkan pra-pemrosesan untuk membersihkan data, membobotkan kata-kata, mengklasifikasikan data ke dalam kelompok positif dan negatif, serta mengklasifikasikan dan memvisualisasikan data menggunakan matriks confusi. Naive Bayes dan Support Vector Machine merupakan dua metode yang digunakan dalam penelitian ini, dengan nilai akurasi yang dihitung masing-masing sebesar 60,61% dan 66,67%. Metode Support Vector Machine menghasilkan nilai akurasi yang lebih tinggi antara kedua pendekatan tersebut, sedangkan hasil analisis sentimen menunjukkan 41,21% data positif dan 58,79% data negatif. Keywords: Algoritma Naïve Bayes; Algoritma SVM; Korupsi.