PERBANDINGAN KINERJA SUPPORT VECTOR MACHINE DAN RANDOM FOREST UNTUK ANALISIS SENTIMEN PUBLIK TERKAIT ISU PENUTUPAN SELAT HORMUZ

Penutupan Selat Hormuz menjadi isu geopolitik yang memicu berbagai
tanggapan masyarakat di media sosial, termasuk pada platform publik YouTube.
Tingginya jumlah komentar yang dihasilkan menyulitkan proses analisis secara
manual sehingga diperlukan pendekatan analisis sentimen untuk mengidentifikasi
kecenderungan opini publik. Penelitian ini bertujuan mengetahui distribusi
sentimen komentar YouTube terhadap isu penutupan Selat Hormuz, menerapkan
tahapan text preprocessing dan pelabelan sentimen menggunakan pendekatan
lexicon-based, serta membandingkan kinerja Support Vector Machine dan Random
Forest dalam mengklasifikasikan sentimen. Data penelitian diperoleh melalui
YouTube data API v3 dan menghasilkan 3.145 komentar setelah melalui proses text
preprocessing dan penghapusan data duplikat. Tahapan penelitian meliputi text
preprocessing, pelabelan sentimen berbasis lexicon, pembagian data latih dan data
uji, pembobotan fitur menggunakan TF-IDF, penanganan ketidakseimbangan data
menggunakan SMOTE, klasifikasi menggunakan algoritma SVM dan Random
Forest, serta evaluasi model melalui skenario train-test split dengan rasio 90:10,
rasio 80:20, rasio 70:30, dan stratified 5-fold cross validation. Hasil pelabelan
menunjukkan distribusi sentimen terdiri atas 303 komentar positif (9,63%), 2.570
komentar negatif (81,72%), dan 272 komentar netral (8,65%). Hasil pengujian
menunjukkan bahwa algoritma SVM memperoleh akurasi terbaik sebesar 84,76%,
sedangkan Random Forest memperoleh akurasi terbaik sebesar 82,54%, keduanya
pada skenario train-test split 90:10. Hasil tersebut menunjukkan bahwa algoritma
SVM memiliki kinerja yang lebih baik dibandingkan Random Forest dalam
mengklasifikasikan sentimen komentar YouTube terkait isu penutupan Selat
Hormuz.
Kata Kunci: Analisis Sentimen, Support Vector Machine, Random Forest, Lexicon
Based, TF-IDF, Youtube, Selat Hormuz