ANALISIS SENTIMEN PUBLIK TERHADAP MASA KEPELATIHAN MICHAEL CARRICK DI MANCHESTER UNITED PADA MEDIA SOSIAL X: KOMPARASI ALGORITMA NAÏVE BAYES DAN SUPPORT VECTOR MACHINE

Abstract

Analisis sentimen pada media sosial X merupakan pendekatan yang relevan untuk memahami opini publik terhadap isu olahraga, termasuk penilaian terhadap pelatih sepak bola. Perbedaan performa antar algoritma klasifikasi teks menjadi tantangan dalam memilih metode yang paling optimal untuk data berbahasa Indonesia. Penelitian ini bertujuan membandingkan efektivitas algoritma Naïve Bayes dan Support Vector Machine (SVM) dalam mengklasifikasikan sentimen publik terhadap masa kepelatihan Michael Carrick di Manchester United. Dataset terdiri dari 8.198 tweet berbahasa Indonesia dengan distribusi kelas positif dan negatif yang seimbang (masing-masing 50%). Preprocessing teks meliputi case folding, penghapusan noise, tokenisasi, stopword removal, dan normalisasi slang. Ekstraksi fitur menggunakan TF-IDF Vectorizer (max_features=5.000) dengan rasio pembagian data 80:20 (random_state=42). Hasil evaluasi menunjukkan Naïve Bayes mencapai akurasi 91,40%, sedangkan SVM mencapai 92,50%. SVM terbukti lebih unggul dengan selisih 1,10%, mengindikasikan bahwa SVM lebih efektif dalam menangani data teks media sosial olahraga berbahasa Indonesia yang berdistribusi seimbang.