PERBANDINGAN METODE NAIVE BAYES DAN SUPPORT VECTOR MACHINE

Abstract

Pendidikan memiliki peran penting dalam meningkatkan kualitas sumber daya manusia dan mendorong terciptanya keadilan sosial. Salah satu upaya yang dilakukan pemerintah adalah melalui Program Kampus Mengajar yang merupakan bagian dari kebijakan Merdeka Belajar Kampus Merdeka (MBKM). Program ini memberikan kesempatan kepada mahasiswa untuk berkontribusi dalam kegiatan pembelajaran di sekolah dasar sekaligus mengembangkan keterampilan akademik dan non-akademik. Namun, pelaksanaan program ini menimbulkan beragam tanggapan dari mahasiswa, sehingga diperlukan analisis untuk memahami persepsi mereka secara komprehensif.Penelitian ini bertujuan untuk menganalisis sentimen mahasiswa terhadap Program Kampus Mengajar serta membandingkan kinerja algoritma Naive Bayes dan Support Vector Machine (SVM) dalam proses klasifikasi sentimen. Metode yang digunakan adalah analisis sentimen berbasis machine learning dengan tahapan preprocessing yang meliputi cleansing, case folding, tokenizing, filtering, dan stopword removal. Data yang digunakan berjumlah 81 tanggapan mahasiswa yang kemudian diklasifikasikan ke dalam sentimen positif dan negatif.Hasil penelitian menunjukkan bahwa mayoritas mahasiswa memberikan tanggapan positif terhadap Program Kampus Mengajar, dengan 61 data bersentimen positif dan 20 data bersentimen negatif. Sentimen positif terutama berkaitan dengan peningkatan kemampuan kerja sama tim, kepemimpinan, dan komunikasi, sedangkan sentimen negatif umumnya berkaitan dengan beban administrasi, kendala komunikasi dengan pembimbing, serta penyampaian informasi yang kurang efektif. Dari sisi performa algoritma, SVM memperoleh tingkat akurasi sebesar 86,11%, lebih tinggi dibandingkan Naive Bayes sebesar 83,33%. Namun, Naive Bayes menunjukkan keseimbangan yang lebih baik antara precision dan recall.Berdasarkan hasil tersebut, dapat disimpulkan bahwa terdapat perbedaan kinerja antara kedua algoritma, sehingga hipotesis alternatif (H₁) diterima. Penelitian ini menunjukkan bahwa pemilihan algoritma berpengaruh terhadap hasil analisis sentimen. Oleh karena itu, pemilihan metode yang tepat sangat penting untuk menghasilkan klasifikasi yang optimal. Penelitian ini diharapkan dapat memberikan kontribusi dalam pengembangan analisis data teks serta menjadi bahan evaluasi bagi penyelenggaraan Program Kampus Mengajar.