OPTIMALISASI MODEL KLASIFIKASI MENGGUNAKAN ALGORITMA NAIVE BAYES DENGAN SMOTE PADA DATA SENTIMEN KOMENTAR KOMPAS TV DI YOUTUBE

Abstract

Perkembangan media digital, khususnya YouTube, telah menjadikan ruang komentar sebagai salah satu sumber utama opini publik terhadap isu sosial dan politik. Komentar yang bersifat spontan, informal, dan cenderung tidak terstruktur memunculkan tantangan dalam proses analisis sentimen, terutama ketika data memiliki distribusi kelas yang tidak seimbang. Penelitian ini bertujuan untuk menganalisis sentimen komentar pada kanal YouTube KOMPAS TV menggunakan algoritma Naïve Bayes serta mengevaluasi pengaruh penerapan Synthetic Minority Oversampling Technique (SMOTE) terhadap performa model. Data komentar dikumpulkan menggunakan library youtube-comment-downloader, kemudian melalui tahap pra-pemrosesan meliputi pembersihan teks, normalisasi, tokenisasi, penghapusan stopword, dan stemming. Selanjutnya, komentar diberi label secara otomatis menggunakan model IndoBERT untuk menghasilkan tiga kategori sentimen: positif, negatif, dan netral. Representasi fitur teks dilakukan menggunakan TF–IDF, kemudian model diklasifikasikan menggunakan Multinomial dan Bernoulli Naïve Bayes. Eksperimen dilakukan pada dua skenario, yaitu tanpa SMOTE dan dengan SMOTE untuk mengatasi ketidakseimbangan kelas. Hasil penelitian menunjukkan bahwa dataset komentar YouTube memiliki dominasi kelas netral dan negatif sehingga diperlukan teknik penyeimbangan agar model mampu mengenali kelas minoritas secara lebih efektif. Pada skenario tanpa SMOTE, model Naïve Bayes cenderung menghasilkan akurasi tinggi, namun recall dan F1-score kelas minoritas rendah. Penerapan SMOTE terbukti meningkatkan performa pada kelas positif dan netral, terutama dalam metrik recall dan F1-score, tanpa menurunkan stabilitas model secara signifikan. Temuan ini menunjukkan bahwa SMOTE efektif dalam meningkatkan sensitivitas model terhadap kelas minoritas meskipun terdapat risiko peningkatan noise pada fitur berdimensi tinggi. Secara keseluruhan, penelitian ini memberikan kontribusi empiris terkait implementasi metode oversampling pada analisis sentimen berbahasa Indonesia serta menawarkan pendekatan komputasional yang dapat digunakan untuk memetakan opini publik di platform digital.