PERBANDINGAN METODE NAÏVE BAYES CLASSIFIER DAN SUPPORT VECTOR MACHINE PADA ANALISIS SENTIMEN DAMPAK DEEPFAKE DI INDONESIA

Penelitian ini menganalisis sentimen masyarakat Indonesia terhadap dampak teknologi Deepfake melalui media sosial X (Twitter), serta membandingkan performa algoritma Naïve Bayes Classifier (NBC) dan Support Vector Machine (SVM) dalam klasifikasi sentimen. Sebanyak 1.050 tweet dikumpulkan menggunakan teknik crawling, kemudian diproses melalui tahapan cleaning yang menghasilkan 946 data dikarenakan terdapat duplikasi data, lalu melakukan tahap preprocessing, pembobotan TF-IDF, dan klasifikasi ke dalam kategori positif, netral, dan negatif. Hasil menunjukkan bahwa NBC dan SVM secara berurutan mencapai akurasi 80% dan 83.15%, mengindikasikan efektivitas metode SVM dalam metrik evaluasi akurasi lebih tinggi dibandingkan metode NBC dalam analisis sentimen teks pendek. Temuan ini mendukung pemanfaatan metode klasifikasi tersebut untuk isu-isu sosial di media sosial.