ANALISIS SENTIMEN KOMENTAR YOUTUBE TERKAIT DUGAAN KORUPSI PENGADAAN CHROMEBOOK MENGGUNAKAN MACHINE LEARNING

Abstrak

Pertumbuhan pesat media sosial telah menjadikan YouTube sebagai platform penting untuk
mengekspresikan opini publik tentang berbagai isu, termasuk kasus dugaan korupsi yang
melibatkan pengadaan Chromebook. Volume komentar yang tidak terstruktur membuat analisis
manual menjadi tidak efisien, sehingga muncul kebutuhan akan pendekatan berbasis pembelajaran
mesin untuk melakukan analisis sentimen otomatis. Studi ini bertujuan untuk menganalisis
komentar YouTube yang terkait dengan kasus dugaan korupsi pengadaan Chromebook dan
membandingkan kinerja algoritma Naive Bayes, Support Vector Machine (SVM), dan Regresi
Logistik untuk klasifikasi sentimen. Penelitian ini menggunakan pendekatan kuantitatif
komparatif menggunakan data yang dikumpulkan melalui YouTube Data API. Dataset menjalani
beberapa tahap pra-pemrosesan, termasuk pembersihan, case folding, normalisasi kata slang,
tokenisasi, penghapusan stopword, dan stemming. Ekstraksi fitur dilakukan menggunakan metode
TF-IDF, diikuti oleh pelabelan dan klasifikasi sentimen menggunakan tiga algoritma pembelajaran
mesin. Kinerja model dievaluasi menggunakan metrik akurasi, presisi, recall, dan F1-score. Hasil
menunjukkan bahwa di antara 455 komentar YouTube yang dianalisis, sentimen positif dan netral
lebih dominan daripada sentimen negatif. Ketiga algoritma mencapai akurasi yang sama yaitu
sekitar 51,69%; namun, Regresi Logistik menunjukkan kinerja keseluruhan yang unggul
berdasarkan presisi dan skor F1, menjadikannya model paling efektif untuk klasifikasi sentimen
dalam penelitian ini. Temuan ini menunjukkan bahwa kualitas fitur dan keseimbangan kelas tetap
menjadi faktor penting untuk meningkatkan kinerja analisis sentimen. Di sini Anda diminta untuk
menjelaskan hal yang telah dilakukan, hasil utama dan kesimpulan makalah saudara secara jelas
dan singkat dalam bahasa Inggris.