Perbandingan Naïve Bayes dan Support Vector Machine dalam Analisis Sentimen Komentar tentang Brand Ambassador Shopee di Sosial Media

Abstract

Perkembangan media sosial yang pesat menjadikan platform digital sebagai sumber utama opini publik terhadap suatu merek. Salah satu fenomena yang banyak dibicarakan adalah penggunaan Brand Ambassador dalam strategi pemasaran, termasuk pada merek Shopee. Penelitian ini bertujuan untuk menganalisis sentimen masyarakat terhadap Brand Ambassador Shopee menggunakan metode text mining dan membandingkan kinerja dua algoritma klasifikasi, yaitu Naïve Bayes dan Support Vector Machine (SVM). Data penelitian diperoleh dari komentar pengguna pada media sosial YouTube dan TikTok yang membahas Brand Ambassador Shopee. Tahapan penelitian meliputi pengumpulan data, preprocessing teks (case folding, tokenizing, stopword removal, dan stemming), ekstraksi fitur menggunakan TF-IDF, pembagian data latih dan data uji, serta proses pelatihan dan pengujian model. Evaluasi kinerja model dilakukan menggunakan metrik akurasi, presisi, recall, dan F1-score. Hasil penelitian menunjukkan bahwa kedua algoritma mampu melakukan klasifikasi sentimen dengan baik. Namun, algoritma Support Vector Machine (SVM) menghasilkan kinerja yang lebih unggul dibandingkan Naïve Bayes, terutama dalam hal akurasi dan kemampuan menangani data berdimensi tinggi. Dengan demikian, SVM dinilai lebih efektif untuk analisis sentimen komentar media sosial pada kasus Brand Ambassador Shopee.