ANALISIS SENTIMEN KOMENTAR YOUTUBE TENTANG PENJARAHAN RUMAH ANGGOTA DPR MENGGUNAKAN METODE KLASIFIKASI ALGORITMA NAIVE BAYES DAN SUPPORT VECTOR MACHINE

Abstract

YouTube menjadi ruang publik digital yang memungkinkan masyarakat menyampaikan opini terhadap isu sosial dan politik. Salah satu isu yang menarik perhatian adalah penjarahan rumah anggota DPR yang diberitakan melalui kanal iNews Official. Banyaknya komentar dengan sentimen positif, negatif, dan netral mendorong perlunya analisis sentimen untuk memahami persepsi publik secara objektif. Penelitian ini bertujuan menganalisis sentimen komentar YouTube terkait kasus tersebut menggunakan algoritma Naive Bayes dan Support Vector Machine (SVM), serta membandingkan performa keduanya. Metode yang digunakan adalah Knowledge Discovery in Database (KDD) yang meliputi seleksi data, preprocessing, transformasi TF-IDF, klasifikasi, dan evaluasi. Data dikumpulkan melalui scraping menggunakan YouTube API, kemudian diproses melalui cleaning, tokenizing, stopword removal, dan stemming. Evaluasi dilakukan menggunakan confusion matrix dengan metrik akurasi, presisi, recall, dan F1-score. Hasil penelitian diharapkan dapat menunjukkan algoritma yang lebih efektif dalam mengklasifikasikan sentimen serta memberikan gambaran objektif mengenai opini publik di ruang digital.