Analisis Sentimen Masyarakat Terhadap Kinerja Terhadap Dinas Pemadam Kebakaran dan Kepolisian Menggunakan Metode Machine Learning Support Vector Machine (SVM) dan K- Nearest Neighbor (KNN)

Abstract

Tumpukan komentar warga di platform YouTube mengenai evaluasi kinerja instansi berbentuk data tidak terstruktur, sehingga pemrosesan secara manual memakan waktu lama dan rentan terhadap bias subjektivitas. Masalah utama penelitian ini adalah belum terukurnya tingkat efektivitas serta perbandingan keandalan metrik antara metode Support Vector Machine (SVM) dan k-Nearest Neighbor (KNN) khusus untuk klasifikasi ulasan pelayanan publik instansi kedaruratan. Penelitian ini bertujuan untuk menganalisis sentimen masyarakat terhadap kinerja Dinas Pemadam Kebakaran (Damkar) dan Kepolisian melalui komentar YouTube menggunakan Machine Learning. Data terdiri dari 1.143 komentar yang diproses melalui lima tahapan prapemrosesan: case folding, cleansing, tokenizing, filtering, dan stemming menggunakan algoritma Nazief-Adriani. Ekstraksi fitur dilakukan menggunakan Term Frequency-Inverse Document Frequency (TF-IDF). Hasil penelitian menunjukkan bahwa SVM dengan Kernel Linear memiliki performa sangat unggul dengan akurasi 100%, dibandingkan KNN yang mencapai 67% pada pengujian awal. Analisis komparatif mengungkapkan Damkar memperoleh sentimen positif mutlak (100%) karena karakteristik pelayanan frictionless, sedangkan Kepolisian didominasi sentimen negatif (66,67%) terkait isu birokrasi dan perilaku oknum. SVM direkomendasikan untuk sistem real-time karena kecepatan prediksinya mencapai 0,0079 detik