Analisis sentimen memainkan peran penting dalam memahami opini publik terkait peristiwa bencana, terutama melalui media sosial seperti X. Platform ini sering digunakan oleh masyarakat untuk mengekspresikan pandangan mereka mengenai pengelolaan banjir, keluhan warga, dan apresiasi terhadap pemerintah. Dalam konteks ini, komentar pengguna terkait banjir yang terjadi di Kota Bekasi pada tahun 2025 dianalisis untuk mengidentifikasi tren sentimen yang muncul, sekaligus membandingkan kinerja algoritma Naïve Bayes dan Support Vector Machine dalam mengklasifikasi sentimen tersebut. Sebanyak 2.141 komentar dikumpulkan melalui teknik crawling dan dibagi menjadi 80% data pelatihan dan 20% data pengujian. Proses analisis mencakup tahapan pembersihan teks, tokenisasi, normalisasi, serta pembobotan kata menggunakan metode TF-IDF. Hasil pengujian menunjukkan algoritma Naïve Bayes menghasilkan akurasi sebesar 80%, dengan hasil presisi 41%, recall 60%, f1-score 49%. Sedangkan, algoritma SVM menghasilkan akurasi lebih besar 8% dari Naïve Bayes, yaitu sebesar 88% dengan hasil presisi 65%, recall 49%, f1-score 56%. Hasil ini menunjukkan bahwa SVM lebih efektif dalam mengklasifikasi opini publik terkait bencana banjir yang kompleks dan emosional.

S12132

INF 0159 2025

Bekasi

Tersedia