Evaluasi Performa Naive Bayes dan SVM dalam Analisis Sentimen Kendaraan Listrik di Media Sosial Twitter

Abstract

Perkembangan teknologi dalam industri otomotif telah mengalami kemajuan yang signifikan, Salah satu pendorong utama perubahan ini adalah kebutuhan untuk mengatasi masalah lingkungan terutama pencemaran udara yang dihasilkan kendaraan bermotor yang berkontribusi terhadap perubahan iklim global. Kendaraan listrik dinilai sebagai salah satu solusi yang lebih ramah lingkungan dan berkelanjutan. Kendaraan listrik adalah jenis kendaraan yang menggunakan listrik sebagai sumber daya utama untuk menggerakkan mesin atau motor yang menggerakkan kendaraan tersebut. Jenis penelitian yang dipergunakan adalah penelitian kuantitatif yang mengacu pada pendekatan penelitian dengan cara mengumpulkan data yang dapat diukur secara numerik atau menggunakan metode statistik untuk menganalisis data tersebut. Tujuan utama penelitian ini adalah untuk memperbandingkan kinerja antara Algoritma Naïve Bayes dan Support Vector Machine (SVM) dalam mengklasifikasikan sentimen masyarakat terhadap kendaraan listrik di media sosial Twitter, dengan fokus pada mengukur tingkat akurasi, recall, dan presisi dari kedua algoritma tersebut. Evaluasi komparatif antara Support Vector Machine (SVM) dan Naive Bayes dalam klasifikasi sentimen data Twitter menunjukkan bahwa SVM secara signifikan lebih unggul dengan akurasi 95.79% dibandingkan Naive Bayes yang memiliki akurasi 87.39%. SVM menonjol dalam mengklasifikasikan sentimen ''negatif'' dan ''positif'' dengan lebih akurat, sementara Naive Bayes cenderung melakukan lebih banyak kesalahan klasifikasi, walaupun SVM menunjukkan hasil yang menjanjikan, terdapat kekhawatiran mengenai overfitting.