Penelitian ini bertujuan untuk menganalisis sentimen masyarakat terhadap penggunaan mobil listrik dengan menggunakan komentar YouTube sebagai sumber data. Dalam penelitian ini, digunakan metode Support Vector Machine (SVM) untuk klasifikasi sentimen, serta pembobotan kata dengan metode Term Frequency-Inverse Document Frequency (TF-IDF) untuk menghitung bobot setiap kata yang diekstraksi. Hasil klasifikasi menunjukkan adanya 2662 sentimen positif, 1780 sentimen negatif, dan 1264 sentimen netral menggunakan labeling inset lexicon terkait mobil listrik. Evaluasi performa model Support Vector Machine menunjukkan nilai precision sebesar 0.78 untuk sentimen negatif, 0.69 untuk sentimen netral, dan 0.85 untuk sentimen positif. Selain itu, nilai recall yang diperoleh adalah 0.77 untuk sentimen negatif, 0.67 untuk sentimen netral, dan 0.87 untuk sentimen positif. Nilai F1-score masing-masing adalah 0.78 untuk sentimen negatif, 0.68 untuk sentimen netral, dan 0.86 untuk sentimen positif. Model klasifikasi ini menghasilkan akurasi keseluruhan sebesar 80%. Dari hasil analisis sentimen ini, terlihat bahwa sentimen positif lebih dominan dibandingkan sentimen negatif, yang menunjukkan bahwa mayoritas pengguna YouTube memberikan pandangan positif terhadap penggunaan mobil listrik. Hasil analisis sentimen ini menunjukkan bahwa masyarakat Indonesia menerima dan mendukung teknologi kendaraan ramah lingkungan.

This research aims to analyze public sentiment towards the use of electric cars by using YouTube comments as a data source. In this research, the Support Vector Machine (SVM) method is used for sentiment classification, as well as word weighting with the Term Frequency-Inverse Document Frequency (TF-IDF) method to calculate the weight of each extracted word. The classification results showed 2662 positive sentiments, 1780 negative sentiments, and 1264 neutral sentiments using inset lexicon labeling related to electric cars. The performance evaluation of the Support Vector Machine model shows a precision value of 0.78 for negative sentiment, 0.69 for neutral sentiment, and 0.85 for positive sentiment. In addition, the recall values obtained were 0.77 for negative sentiment, 0.67 for neutral sentiment, and 0.87 for positive sentiment. The F1-score values are 0.78 for negative sentiment, 0.68 for neutral sentiment, and 0.86 for positive sentiment, respectively. This classification model yields an overall accuracy of 80%. From the results of this sentiment analysis, it can be seen that positive sentiment is more dominant than negative sentiment, which indicates that the majority of YouTube users give a positive view of the use of electric cars. The results of this sentiment analysis show that Indonesians accept and support environmentally friendly vehicle technology.