ANALISIS SENTIMEN ISI KOMENTAR PUBLIK INDONESIA TERHADAP VIDEO TRADER CRYPTO DI YOUTUBE MENGGUNAKAN ALGORITMA NAÏVE BAYES DAN SUPPORT VECTOR MACHINE

Abstract

Penelitian ini bertujuan untuk menganalisis sentimen publik Indonesia terhadap komentar pada video YouTube bertema trader crypto menggunakan algoritma Multinomial Naïve Bayes dan Support Vector Machine (SVM). Data penelitian diperoleh melalui proses scraping dari tiga video YouTube yang relevan sehingga diperoleh sebanyak 1.042 komentar mentah. Data kemudian diproses melalui tahapan preprocessing yang meliputi case folding, cleaning, tokenizing, stopword removal, dan stemming untuk menghasilkan teks yang lebih terstruktur. Proses pelabelan sentimen dilakukan dengan pendekatan kamus sentimen bahasa Indonesia yang mengacu pada Indonesian Sentiment Lexicon yang tersedia secara terbuka pada repositori GitHub. Setiap komentar diklasifikasikan ke dalam tiga kategori sentimen yaitu positif, negatif, dan netral berdasarkan skor polaritas kata. Distribusi awal data menunjukkan ketidakseimbangan kelas, sehingga diterapkan teknik Synthetic Minority Oversampling Technique (SMOTE) untuk menyeimbangkan jumlah data pada setiap kelas sentimen. Setelah proses penyeimbangan, jumlah data meningkat menjadi 2.115 komentar dengan distribusi seimbang sebanyak 705 komentar untuk masing-masing kelas sentimen. Data kemudian direpresentasikan ke dalam bentuk numerik menggunakan metode TF-IDF dan dibagi menjadi data pelatihan dan pengujian dengan proporsi 80:20. Hasil penelitian menunjukkan bahwa algoritma Multinomial Naïve Bayes menghasilkan akurasi sebesar 73,43%, sedangkan algoritma Support Vector Machine (SVM) memperoleh akurasi yang lebih tinggi yaitu 82,71%. Hal ini menunjukkan bahwa SVM memiliki kemampuan yang lebih baik dalam menangani data teks berdimensi tinggi seperti komentar YouTube. Analisis distribusi sentimen dan visualisasi word cloud menunjukkan bahwa opini publik terhadap konten trader crypto di YouTube cenderung didominasi oleh sentimen negatif. Penelitian ini memberikan kontribusi dalam pengembangan analisis sentimen berbasis machine learning serta memberikan gambaran mengenai persepsi masyarakat terhadap fenomena trader crypto di media sosial.