Perbandingan Support Vector Machine dan Model Transformer untuk Klasifikasi Sentimen Terkait Redenominasi Rupiah di YouTube

Abstract

Redenominasi rupiah merupakan isu kebijakan moneter yang dapat memengaruhi persepsi masyarakat terhadap nilai mata uang dan perilaku ekonomi. Tanggapan masyarakat terhadap isu ini dapat diamati melalui komentar YouTube. Penelitian terdahulu umumnya membandingkan metode pembelajaran mesin klasik dengan satu model Transformer, sedangkan perbandingan SVM, IndoBERT, IndoBERTweet, dan penggabungan probabilitas kedua model Transformer masih terbatas. Penelitian ini membandingkan keempat model tersebut dengan menerapkan metode weighted soft voting pada IndoBERT dan IndoBERTweet. Data awal berjumlah 1.755 komentar. Setelah melalui tahap pembersihan, preprocessing, pelabelan, dan penghapusan duplikat, diperoleh 1.588 komentar. Data dibagi secara terstratifikasi menjadi 70% data pelatihan, 10% data validasi, dan 20% data uji. Teks diproses dalam format komen_svm untuk SVM dan komen_bert untuk model Transformer. Pada seed 42, model hybrid memperoleh akurasi 76,73% dan Macro F1-score 74,83%, yang merupakan hasil tertinggi pada eksperimen ini. Pada dataset dan konfigurasi penelitian yang digunakan, model hybrid memperoleh kinerja tertinggi pada korpus yang memuat variasi bahasa formal dan informal. Namun, hasil penelitian ini belum dapat digeneralisasikan ke seluruh komentar YouTube. Kata Kunci - Analisis Sentimen, Redenominasi Rupiah, Komentar YouTube, SVM, IndoBERT, IndoBERTweet, Weighted soft voting.