ANALISIS SENTIMEN TENTANG PENGGUNAAN GALON BEBAS BPA DI INDONESIA MENGGUNAKAN ALGORITMA SUPPORT VECTOR MACHINE

Muhammad Iqbal Tri Atmojo; estu sinduningrum;

Analisis Sentimen Tentang Penggunaan Galon Bebas BPA di Indonesia

Menggunakan Algoritma Support Vector Machine
Muhammad Iqbal Tri Atmojo, Estu Sinduningrum

Penelitian ini menggunakan algoritma Support Vector Machine untuk mengklasifikasikan
sentiment komentar pada platform X, Youtube, dan Tiktok terkait penggunaan galon bebas BPA di
Indonesia. Dari 1200 data, setelah proses labeling, diperoleh 772 data dengan 552 data positif dan
220 data negatif. Hasil percobaan menunjukkan bahwa SVM memiliki akurasi sebesar 96.15%,
sementara Naïve Bayes memiliki akurasi sebesar 84.55%. Temuan ini mengindikasikan bahwa
SVM efektif dalam mengklasifikasikan sentimen dengan tingkat akurasi tinggi, memberikan
informasi berharga bagi produsen, pemerintah, dan konsumen terkait penggunaan BPA dalam
galon air minum di Indonesia. Penelitian ini berkontribusi pada pemahaman peran sosial media
dalam membentuk opini publik dan kebijakan terkait isu-isu lingkungan dan kesehatan.
Kata Kunci: Support Vector Machine; BPA; Naïve Bayes; Analisis Sentimen; Crossvalidation
Data
Sentiment Analysis Regarding the Use of BPA-Free Gallons in Indonesia Using

the Support Vector Machine Algorithm
Muhammad Iqbal Tri Atmojo, Estu Sinduningrum

This research employs the Support Vector Machine algorithm to classify sentiment in comments
on the X, Youtube, and Tiktok platforms regarding the use of BPA-free water gallons in Indonesia.
From a total of 1200 data points, post-labeling, 772 data points were obtained, with 552 classified
as positive and 220 as negative. The experimental results reveal that SVM achieves an accuracy of
96.15%, while Naïve Bayes achieves an accuracy of 84.55%. These findings indicate that SVM is
effective in classifying sentiment with a high accuracy rate, providing valuable insights for
manufacturers, government entities, and consumers regarding the use of BPA in water gallons in
Indonesia. This study contributes to a better understanding of the role of social media in shaping
public opinion and policies related to environmental and health issues.
Keywords: Support Vector Machine; BPA; Naïve Bayes; Sentiment Analysis; Crossvalidation
Data