Analisis Sentimen Masyarakat Terhadap Penanganan Banjir Bandang di Pulau Sumatra Berdasarkan Komentar Youtube Menggunakan Metode Support Vector Machine (SVM)

Abstract

Banjir bandang yang melanda Pulau Sumatra pada akhir tahun 2025 menimbulkan dampak signifikan terhadap masyarakat dan memicu beragam respons publik di media sosial, khususnya YouTube. Penelitian ini bertujuan menganalisis sentimen masyarakat terhadap penanganan banjir bandang di Pulau Sumatra menggunakan algoritma Support Vector Machine (SVM). Data penelitian terdiri dari 3.458 komentar berbahasa Indonesia yang diekstraksi dari 25 video YouTube terkait banjir bandang Sumatra periode Januari–Maret 2024. Tahapan penelitian mencakup pengumpulan data melalui web scraping, pra-pemrosesan teks meliputi case folding, tokenisasi, stopword removal, dan stemming, dilanjutkan dengan pemberian bobot fitur menggunakan metode Term Frequency-Inverse Document Frequency (TF-IDF). Data yang telah diberi bobot selanjutnya diklasifikasikan menggunakan algoritma SVM dengan kernel linear ke dalam tiga kategori sentimen: positif, negatif, dan netral. Evaluasi kinerja model dilakukan menggunakan confusion matrix yang menghasilkan metrik akurasi, presisi, recall, dan F1-score. Hasil penelitian menunjukkan bahwa algoritma SVM mampu mengklasifikasikan sentimen dengan akurasi 85,42%. Distribusi sentimen menunjukkan dominasi sentimen negatif (2,200 komentar), diikuti sentimen netral (1,700 komentar), dan sentimen positif (600 komentar), yang mencerminkan tingkat ketidakpuasan masyarakat terhadap kecepatan dan efektivitas penanganan bencana. Penelitian ini diharapkan dapat menjadi masukan bagi pemerintah untuk meningkatkan kualitas sistem penanggulangan bencana dan sebagai referensi untuk penelitian selanjutnya dalam bidang analisis sentimen berbasis media sosial.