ANALISIS KOMPARASI METODE SUPPORT VECTOR MACHINE (SVM) DAN LONG-SHORT TERM MEMORY (LSTM) BERBASIS GREY WOLF OPTIMIZER (GWO) UNTUK ANALISIS SENTIMEN KOPERASI DESA MERAH PUTIH

Abstract

Program Koperasi Desa Merah Putih merupakan kebijakan strategis pemerintah dalam memperkuat perekonomian desa yang memunculkan beragam opini publik di media sosial, khususnya YouTube. Banyaknya komentar masyarakat menghasilkan data teks yang besar sehingga diperlukan metode analisis sentimen yang mampu mengklasifikasikan opini secara akurat. Penelitian ini bertujuan untuk menganalisis dan membandingkan kinerja metode Support Vector Machine (SVM) dan Long Short-Term Memory (LSTM) yang dioptimasi menggunakan Grey Wolf Optimizer (GWO) dalam mengidentifikasi sentimen komentar YouTube terkait program tersebut. Dataset yang digunakan sebanyak 7.727 komentar yang diklasifikasikan ke dalam sentimen positif dan negatif. Tahapan penelitian meliputi preprocessing, labelling, feature extraction menggunakan TF-IDF dan Word2Vec, pembagian dataset, serta validasi model dengan Stratified K-Fold Cross Validation (5-fold). Optimasi parameter dilakukan menggunakan GWO untuk memperoleh kinerja model yang optimal. Evaluasi dilakukan menggunakan metrik accuracy, precision, recall, dan F1-score. Hasil penelitian menunjukkan bahwa metode LSTM-GWO memberikan kinerja terbaik dengan accuracy 89,33%, precision 89,35%, recall 89,33%, dan F1-score 89,32%, sehingga metode ini dinilai lebih efektif dan stabil dalam merepresentasikan opini publik terhadap Program Koperasi Desa Merah Putih di platform YouTube.