Korupsi merupakan salah satu permasalahan serius yang merusak tatanan sosial, politik, dan ekonomi di Indonesia. PT Pertamina sebagai salah satu perusahaan BUMN strategis turut terseret dalam berbagai kasus korupsi, yang memicu respons luas dari masyarakat di media sosial, khususnya Twitter (X). Penelitian ini bertujuan untuk menganalisis dan membandingkan performa algoritma Naïve Bayes dan Support Vector Machine (SVM) dalam mengklasifikasikan sentimen komentar publik terkait kasus korupsi di PT Pertamina. Data yang digunakan dikumpulkan melalui metode web scraping dari Twitter (X) pada periode Februari–Maret 2025, menghasilkan 1.946 tweet, dengan 1.887 data bersih setelah proses cleaning. Sentimen diklasifikasikan ke dalam tiga kategori: positif, netral, dan negatif. Penilaian performa juga dilakukan dengan skenario pembagian data latih dan uji yaitu: 80:20. Proses analisis melibatkan tahapan preprocessing, pembobotan TF-IDF dan juga penyeimbangan data menggunakan SMOTE, serta evaluasi model dengan Confusion Matrix. Hasil pengujian menunjukkan bahwa algoritma SVM memperoleh akurasi sebesar 78%, lebih tinggi dibandingkan Naïve Bayes yang mencapai 64%. Penelitian ini menunjukkan bahwa SVM lebih efektif dalam mengklasifikasikan opini publik pada kasus korupsi PT Pertamina.

S12064

INF 0091 2025

Bekasi

Tersedia