ANALISIS SENTIMEN DAN PERSEPSI PUBLIK PADA KOMENTAR YOUTUBE STUDI KASUS TENTANG KAITAN ANTARA PENERIMA BEASISWA LUAR NEGERI DENGAN ISU PERPINDAHAN KEWARGANEGARAAN (ANAK JADI WNA) MENGGUNAKAN MACHINE LEARNING

Abstrak

Penelitian ini dilatarbelakangi maraknya polemik digital di platform YouTube terkait pernyataan seorang alumni
penerima beasiswa negara (LPDP) mengenai anaknya yang menjadi Warga Negara Asing (WNA). Isu sensitif
tersebut memicu perdebatan publik yang luas di ruang siber mengenai nilai nasionalisme, identitas kebangsaan,
serta tanggung jawab moral awardee terhadap tanah air. Guna memetakan polarisasi opini masyarakat yang masif
dan tidak terstruktur secara otomatis, penelitian ini menerapkan pendekatan kuantitatif dengan metode
komparatif eksperimental berbasis machine learning. Data komentar dikumpulkan dari platform YouTube
menggunakan YouTube Data API v3 untuk kemudian diklasifikasikan ke dalam tiga kategori sentimen utama,
yaitu positif, negatif, dan netral. Dalam proses pengerjaannya, data teks mentah yang bersifat informal terlebih
dahulu dilewatkan pada rangkaian tahapan text preprocessing yang ketat, meliputi cleaning, Case Folding,
normalisasi kata tidak baku (slangwords), Tokenizing, stopword removal, hingga Stemming dengan bantuan
pustaka Sastrawi. Ekstraksi fitur dilakukan menggunakan metode pembobotan Term Frequency-Inverse Document
Frequency (TF-IDF). Tahap pelabelan data awal dijalankan dengan pendekatan leksikon (lexicon-based
matching), sebelum akhirnya data diumpankan pada tiga algoritma klasifikasi yang dibandingkan, yaitu Naive
Bayes, Random Forest, dan Support Vector Machine (SVM). Kinerja dari ketiga model tersebut
dievaluasi secara objektif menggunakan instrumen Confusion Matrix berdasarkan metrik akurasi, presisi, recall,
dan F1-Score tanpa melibatkan implementasi sistem aplikasi.