ANALISIS KOMPARASI METODE SVM DAN MODERNBERT DALAM KLASIFIKASI SENTIMEN OPINI PUBLIK DI PLATFORM TIKTOK MENGENAI BANJIR BANDANG DI SUMATRA

Abstract

Peristiwa banjir bandang di Sumatra pada tahun 2025 memicu berbagai reaksi masyarakat yang banyak disampaikan melalui media sosial, khususnya TikTok. Namun, tingginya volume komentar yang tidak terstruktur menyulitkan dalam memahami kecenderungan opini publik secara sistematis. Oleh karena itu, diperlukan pendekatan analisis sentimen untuk mengidentifikasi polaritas opini masyarakat secara otomatis. Penelitian ini bertujuan untuk menganalisis distribusi sentimen serta membandingkan kinerja metode Support Vector Machine (SVM), ModernBERT dan BERT sebagai metode pembanding tambahan dalam mengklasifikasikan sentimen komentar TikTok terkait banjir bandang di Sumatra. Metode yang digunakan adalah pendekatan kuantitatif komparatif dengan dataset sebanyak 6.999 komentar yang dikumpulkan melalui teknik web scraping. Data diproses melalui tahapan preprocessing, kemudian diklasifikasikan menggunakan SVM berbasis TF-IDF serta model BERT dan ModernBERT melalui proses fine-tuning. Evaluasi dilakukan menggunakan metrik akurasi, precision, recall, dan F1-score. Hasil penelitian menunjukkan bahwa ModernBERT memiliki performa terbaik dengan akurasi sekitar 93%, diikuti SVM sebesar 89,43%, dan BERT sebesar 88%. Temuan ini menunjukkan bahwa model berbasis Transformer yang telah dioptimasi mampu memahami konteks bahasa informal media sosial dengan lebih baik dibandingkan metode lainnya