PERBANDINGAN METODE NAIVE BAYES DAN SUPPORT VECTOR MACHINE PADA ANALISIS SENTIMEN ASPIRASI MASYARAKAT KOTA SURAKARTA

Penelitian ini bertujuan untuk membangun sistem klasifikasi sentimen aspirasi masyarakat Kota Surakarta dengan pendekatan berbasis web yang terintegrasi dengan model machine learning. Sistem ini dirancang untuk membantu Sekretariat DPRD Kota Surakarta dalam memahami opini masyarakat terhadap isu-isu publik dengan lebih efisien. Metode pengembangan yang digunakan adalah metode prototipe, yang melibatkan tahapan identifikasi kebutuhan, perancangan, implementasi awal, evaluasi, dan revisi hingga sistem final.

Model klasifikasi yang digunakan adalah Naive Bayes dan Support Vector Machine (SVM). Data aspirasi diperoleh dari aplikasi Si Pokir, kemudian melalui proses pembersihan teks, pelabelan sentimen, serta ekstraksi fitur menggunakan TF-IDF. Model yang telah dilatih diintegrasikan ke dalam sistem melalui API Flask.

Sistem yang dibangun mampu menampilkan hasil klasifikasi dalam bentuk tabel dan grafik visualisasi yang mendukung pengambilan keputusan berbasis data. Dengan demikian, sistem ini dinilai layak digunakan sebagai alat bantu analisis sentimen opini publik oleh DPRD Kota Surakarta. Berdasarkan hasil pengujian model, algoritma SVM menunjukkan akurasi sebesar 91,60 dan rata-rata F1-score 0,89, yang lebih tinggi dibandingkan Naive Bayes dengan akurasi 79,10. Hasil pengujian pengguna juga menunjukkan nilai kepuasan rata-rata 4,57 dari skala 5.