KOMPARASI SVM DAN INDOBERT DALAM ANALISIS SENTIMEN KOMENTAR YOUTUBE TERHADAP KEBIJAKAN MAKAN BERGIZI GRATIS

M. Fikri Haikal Hidasalim; Jeffri Alfa Razaq

doi:10.31539/g806q071

Authors

M. Fikri Haikal Hidasalim Universitas Stikubank Semarang
Jeffri Alfa Razaq Universitas Stikubank Semarang

DOI:

https://doi.org/10.31539/g806q071

Abstract

Penelitian ini membandingkan kinerja Support Vector Machine (SVM) dan IndoBERT untuk analisis sentimen komentar YouTube terkait Program Makan Bergizi Gratis (MBG). Menggunakan 3.177 data komentar (Januari 2025–Maret 2026) yang diklasifikasikan menjadi sentimen positif, negatif, dan netral. Pengujian dilakukan menggunakan pembagian data 80:20. SVM menerapkan praproses penuh dan ekstraksi fitur TF-IDF, sedangkan IndoBERT menggunakan praproses minimal dan fine-tuning. Hasil menunjukkan IndoBERT secara signifikan lebih unggul dengan akurasi 96,52% dan F1-Score 95%, dibandingkan SVM (akurasi 86,87%, F1-Score 85%). Keunggulan ini berkat kemampuan bidireksional IndoBERT dalam memahami konteks bahasa informal. IndoBERT sangat direkomendasikan untuk sistem pemantauan opini publik pada ranah kebijakan pemerintah.

Kata kunci : Analisis sentimen, Support Vector Machine, IndoBERT, TF-IDF, Natural Language Processing

References

[1] M. F. Margadipraja, and H. M. Winata, "Analisis Sentimen Berbasis Aspek terhadap Program Makan Bergizi Gratis (MBG) di Twitter/X dengan Pendekatan Efektivitas Duncan," Prosiding Seminar Nasional Informatika, 2026.

[2] W. Rayyana Muntaza, "Analisis Sentimen Tanggapan Masyarakat terhadap Program Makan Bergizi Gratis pada Platform YouTube Menggunakan SVM," Jurnal Informatika dan Sistem Informasi, vol. 5, 2026.

[3] E. Triningsih, M. Afdal, I. Permana, and N. E. Rozanda, "Analisis Sentimen terhadap Program Makan Bergizi Gratis Menggunakan Algoritma Machine Learning pada Sosial Media X," Technology and Science (BITS), vol. 6, no. 4, pp. 2240–2250, 2025, doi: 10.47065/bits.v6i4.6534.

[4] A. Anas Qolbu and N. Fitriyati, "Performa Naïve Bayes, SVM, dan IndoBERT pada Analisis Sentimen Twitter IndiHome dengan Strategi Penanganan Data Tidak Seimbang," Fourier, vol. 14, no. 1, pp. 29–44, 2025, doi: 10.14421/fourier.2025.141.29-44.

[5] E. Setiadi and D. Arbian Sulistyo, "Analisis Sentimen Kebijakan Makan Bergizi Gratis Menggunakan IndoBERT dan Machine Learning," Jurnal Komputasi dan Teknologi Informasi, 2025. [Online]. Available: https://github.com/rikk-se/Dataset_Program-Makan.

[6] M. F. Kono, I. N. Fajri, and Y. Pristyanto, "Public Sentiment Analysis on Corruption Issues in Indonesia Using IndoBERT Fine-Tuning, Logistic Regression, and Linear SVM," Journal of Applied Informatics and Computing (JAIC), vol. 9, no. 5, 2025. [Online]. Available: http://jurnal.polibatam.ac.id/index.php/JAIC.

[7] G. P. Pangestu and A. Maulana, "Implementasi Confidence Score pada Klasifikasi Sentimen Berbasis IndoBERT untuk Analisis Kebijakan Publik," Jurnal Ilmu Komputer dan Informasi, 2026.

[8] Wardianto, M. J. Putra, and M. Rohman, "Analisis Sentimen Publik Program Makan Bergizi Gratis Platform Instagram dengan Algoritma SVM," SMARTICS Journal, vol. 11, no. 1, pp. 14–20, 2025, doi: 10.21067/smartics.v11i1.11852.

[9] S. Amanda Salsabila, B. Priyatna, and A. Hananto, "Komparasi Kinerja Model Naive Bayes, SVM, dan BERT dalam Klasifikasi Teks," Jurnal Teknologi Informasi dan Ilmu Komputer, vol. 4, no. 2, pp. 42–47, 2025, doi: 10.55123.

M. P. Firdaus and D. Trisnawarman,