Analisis Sentimen Vtuber Hololive Indonesia Sebagai Tren Hiburan Digital Menggunakan Naïve Bayes Dan Support Vektor Machine

Abstract

Virtual YouTuber (VTuber) telah menjadi industri hiburan digital dengan signifikansi budaya dan ekonomi yang kuat, salah satunya diwakili oleh Hololive  Indonesia (HoloID). Namun, dibalik pertumbuhan pesat dan interaksi penggemar yang masif, seringkali muncul polarisasi  opini publik yang tajam, sehingga pemahaman yang terukur mengenai sentimen audiens menjadi krusial bagi manajemen citra dan strategi konten. Penelitian ini bertujuan untuk menganalisis sentimen publik terhadap HoloID di media sosial (YouTube dan Twitter) serta mengevaluasi dan membandingkan performa algoritma Naïve Bayes dan Support
Vector Machine (SVM) dalam tugas klasifikasi tersebut. Data diperoleh melalui crawling dan scraping, diikuti pre-processing
untuk pembersihan dan penyesuaian data. Proses labeling dilakukan semi-otomatis menggunakan SenticNet, mengklasifikasikan sentimen menjadi positif dan negatif. Sentimen netral dihilangkan dari dataset akhir untuk
memfokuskan analisis pada dua kutub opini utama. Dataset dibagi 80% untuk data latih dan 20% untuk data uji, serta
dievaluasi dengan 10-fold cross-validation. Hasil evaluasi  menunjukkan akurasi model Naïve Bayes tanpa SMOTE
adalah 0.8022, dan dengan SMOTE 0.7997. Sementara itu, akurasi model SVM tanpa SMOTE mencapai 0.8980, dan
dengan SMOTE 0.8926. Rata-rata 10-fold cross-validation menunjukkan akurasi tertinggi pada SVM tanpa SMOTE
(0.9040), menjadikannya model terbaik dalam penelitian ini.

Kata kunci— Analisis Sentimen, Naïve Bayes, Support Vektor Machine