Sentiment Analysis of YouTube Comments on the Supreme Court’s Decision Regarding the Age Limit for Regional Elections Using the Naive Bayes Algorithm and SMOTE.

Abstract

Penelitian ini menganalisis sentimen dalam komentar YouTube mengenai putusan Mahkamah Agung tentang pembatasan usia pemilihan menggunakan algoritma Naive Bayes dan pendekatan SMOTE (Synthetic Minority Over-Sampling Technique). Data dikumpulkan dari komentar YouTube dan kemudian diubah menjadi kumpulan data untuk diperiksa dan untuk dataset berjumlah 1596 data pada dataset. Menggunakan algoritma Naive Bayes, komentar dikategorikan menjadi sentimen positif, negatif, dan netral. Penerapan SMOTE digunakan untuk mengatasi ketidakseimbangan dalam representasi kelas dalam kumpulan data. Hasil penelitian menunjukkan bahwa model yang menjalani pelatihan menggunakan SMOTE mencapai tingkat akurasi 81%, menunjukkan presisi penting 0,85 dan recall 0,92 untuk sentimen negatif, bersama dengan skor F1 0,89. Sebaliknya, model yang tidak menggunakan SMOTE menunjukkan tingkat akurasi 80%, meskipun menampilkan kemampuan terbatas dalam mendeteksi sentimen positif. Penelitian ini menyoroti efektivitas penggunaan metodologi SMOTE dalam meningkatkan kinerja model Naive Bayes untuk analisis sentimen pada komentar YouTube terkait peraturan pemerintah. Temuan penelitian ini diharapkan dapat memberikan wawasan berharga bagi pembuat kebijakan dalam mengevaluasi dan memperbaiki regulasi yang ada.