Naive 1. Hanya membutuhkan 1. Tidak berlaku (Wenando,Hayami and
Bayes jumlah data pelatihan jika probabilitas Anggrawan,2020), (Training Data) yang kondisionalnya kecil untuk menentukan adalah nol, apabila (Sudiantoro et al., 2018) estimasi parameter yang nol maka diperlukan dalam probabilitas prediksi proses akan bernilai nol pengklasifikasian(Wena juga. ndo, Hayami and Anggrawan, 2020). 2. Sangat efektif untuk digunakan sebagai proses klasifikasi tweet yang dibutuhkan dalam sistem analisis sentiment (Sudiantoro et al., 2018). Long 1. Memiliki kinerjanya 1. Mempunyai (Setiawan et al., 2020) Short baik untuk analisis masalah vanishing Term pendapat untuk gradient(Setiawan Memory melakukan klasifikasi et al., 2020). (LSTM) otomatis(Setiawan et 2. Tidak dapat al., 2020). mengingat 2. Mempunyai akurasi informasi urutan tertinggi untuk analisis secara pendapat(Setiawan et keseluruhan(Setiaw al., 2020). an et al., 2020). 3. Memiliki kemampuannya untuk mendapatkan informasi dari data berdasarkan urutan(Setiawan et al., 2020). 4. Dapat menyimpan informasi dari kalimat-kalimat sebelumnya(Setiawan et al., 2020). Support 1. Memiliki performa 1. Memiliki waktu (Ramdhani, 2019), Vector cukup baik(Ramdhani, tempuh terlama Machine 2019). dalam melakukan (Prajarini et al., 2016), (SVM) 2. Dapat proses mengklasifikasikan data oversampling(Verdi (Verdikha, Adji and linier maupun data non kha, Adji and Permanasari, 2018). liner(Prajarini et al., Permanasari, 2018) 2016).