ABSTRAK
Kebijakan pemerintah mengenai Danantara atau Daya Anagata Nusantara
menimbulkan beragam respons di masyarakat yang banyak disampaikan melalui
media sosial, khususnya platform X, sehingga diperlukan analisis sentimen untuk
memahami kecenderungan opini publik. Penelitian ini bertujuan untuk
membandingkan kinerja algoritma Support Vector Machine (SVM) dan Random
Forest dalam mengklasifikasikan sentimen publik terhadap kebijakan strategis
tersebut. Data dikumpulkan melalui proses crawling pada platform X menggunakan
kata kunci “danantara” dengan total 2.201 data, yang setelah dilakukan
pembersihan data duplikat menjadi 1.971 data teks. Tahapan penelitian ini meliputi
preprocessing teks secara mendalam, pelabelan otomatis menggunakan kamus
Lexicon InSet, menggunakan WordCloud untuk mengetahui kata yang sering
muncul dan ekstraksi fitur menggunakan Term Frequency–Inverse Document
Frequency (TF-IDF), serta pembagian data latih dan data uji dengan rasio
proporsional 80:20. Evaluasi dilakukan menggunakan confusion matrix untuk
mengukur tingkat akurasi, precision, serta recall dari masing-masing model. Hasil
pengujian menunjukkan bahwa algoritma SVM memperoleh akurasi sebesar 75%,
sedangkan Random Forest memperoleh akurasi sebesar 70%. Berdasarkan hasil
perbandingan tersebut, algoritma Support Vector Machine direkomendasikan
sebagai metode yang lebih unggul dalam analisis sentimen kebijakan pemerintah
Danantara karena memberikan kinerja klasifikasi yang lebih baik dan stabil secara
keseluruhan dalam menangkap opini masyarakat.