Analisis Sentimen Terhadap Mobil LIstrik Menggunakan Algoritma Naive Bayes dan Support Vector Machine Melalui Platform Tiktok

Mobil listrik menjadi inovasi penting di industri otomotif dengan respons beragam dari masyarakat, terutama di media sosial seperti TikTok. Penelitian ini menganalisis sentimen publik terhadap mobil listrik dan membandingkan performa algoritma Naïve Bayes serta Support Vector Machine (SVM) kernel linear dalam klasifikasinya. Data dikumpulkan melalui teknik crawling, kemudian melewati tahap pra-pemrosesan, stemming, tokenization, dan stopword removal supaya data lebih terstruktur. Lalu data diproses dengan pembobotan TF-IDF sehingga menghasilkan distribusi sentimen dengan 1.003 data netral atau 47,3%, 725 data negatif atau 34,2%, dan 393 data positif atau 18,5%. Data yang sudah melalui tahap pemodelan dievaluasi menggunakan confusion matrix. Hasilnya menunjukkan bahwa SVM memiliki akurasi lebih tinggi yaitu 88% dibandingkan Naïve Bayes sebesar 85%, dengan keseimbangan lebih baik antara precision dan recall. Hasil ini menunjukkan bahwa SVM lebih efektif dalam menganalisis sentimen publik terhadap mobil listrik.

Kata kunci: Mobil listrik, analisis sentimen, TikTok, Naïve Bayes, Support Vector Machine, TF-IDF