ANALISIS SENTIMEN PENGGUNA APLIKASI LAYANAN PUBLIK BERBASIS WEB MENGGUNAKAN KOMPARASI ALGORITMA SUPPORT VECTOR MACHINE DAN NAIVE BAYES

Abstrak

Evaluasi kualitas pelayanan publik secara digital menuntut umpan balik yang cepat dan akurat dari masyarakat pengguna. Penelitian ini membandingkan kinerja algoritma Support Vector Machine (SVM) dan Multinomial Naive Bayes (MNB) dalam mengklasifikasikan sentimen opini masyarakat terhadap aplikasi web layanan publik ke dalam kategori positif dan negatif. Dataset terdiri atas 1.000 ulasan yang melalui pra-pemrosesan teks (case folding, tokenizing, stopword removal, dan stemming Nazief-Adriani) dengan ekstraksi fitur TF-IDF. Hasil pengujian menunjukkan bahwa algoritma SVM dengan kernel linear menghasilkan akurasi tertinggi sebesar 89,50% dengan F1-Score 89,20%, mengungguli Naive Bayes dengan akurasi 84,00%. Analisis ini memberikan rekomendasi actionable bagi pengelola instansi publik untuk memprioritaskan perbaikan fitur layanan yang sering dikeluhkan.