ANALISIS SENTIMEN TERHADAP KOMENTAR YOUTUBE MENGENAI KETERLIBATAN ANAK DALAM AKTIVITAS MILITER MENGGUNAKAN NAÏVE BAYES

Abstract

Penelitian ini bertujuan untuk menganalisis sentimen komentar pengguna YouTube terkait isu anak-anak yang dibawa ke barak militer. Isu tersebut menimbulkan berbagai persepsi publik yang terekam melalui komentar digital. Penelitian ini menggunakan metode analisis sentimen berbasis teks dengan algoritma Multinomial Naive Bayes (MNB). Data diperoleh melalui teknik web scraping dari kanal YouTube yang menayangkan konten relevan, dengan total 3.121 komentar. Proses preprocessing dilakukan secara mendalam, meliputi pembersihan teks, tokenisasi, stopword removal, dan stemming. Ketidakseimbangan data (didominasi sentimen Netral) diatasi menggunakan metode Synthetic Minority Over-sampling Technique (SMOTE) dan ekstraksi fitur menggunakan TF-IDF Vectorizer. Setelah penyeimbangan data, model MNB dilatih dan diuji menggunakan 1.334 data uji. Hasil evaluasi menunjukkan model mencapai akurasi 84,26%, dengan precision rata-rata tertimbang 86,25%, recall 84,26%, dan F1-score 82,98%. Kinerja per kelas juga menunjukkan hasil memuaskan: F1-score kelas Negatif sebesar 0,91, Positif 0,87, dan Netral 0,71. Temuan ini menunjukkan bahwa mayoritas komentar bersifat netral, dan kombinasi TF-IDF dengan SMOTE berhasil meningkatkan performa klasifikasi sentimen pada data yang tidak seimbang.