IMPLEMENTASI SUPPORT VECTOR MACHINE UNTUK ANALISIS SENTIMEN ROBOT POLISI HUMANOID

Abstract

Penelitian ini bertujuan untuk menganalisis sentimen publik terhadap kehadiran robot polisi humanoid melalui komentar di platform YouTube. Data diperoleh dari tiga video dengan total 1.979 komentar, kemudian diproses melalui tahapan preprocessing teks, pelabelan sentimen menggunakan metode berbasis leksikon, serta ekstraksi fitur menggunakan TF-IDF. Proses klasifikasi dilakukan dengan algoritma Support Vector Machine (SVM), dan evaluasi dilakukan melalui beberapa skenario pembagian data serta validasi silang. Hasil penelitian menunjukkan bahwa model terbaik menggunakan kernel RBF dengan parameter optimal menghasilkan akurasi 82,96%, presisi 82,61%, dan recall 82,96%. Validasi menggunakan 10-fold cross validation menunjukkan performa yang stabil dan konsisten, dengan rata-rata akurasi 82,24%. Temuan ini memperlihatkan bahwa pendekatan berbasis SVM efektif dalam mengidentifikasi sentimen publik terhadap inovasi teknologi robot kepolisian.