<![CDATA[Keterbatasan dalam penanganan ketidakseimbangan data serta minimnya perbandingan algoritma pada analisis sentimen berbasis kasus lokal menjadi tantangan dalam menghasilkan model yang akurat. Pada peristiwa robohnya musala Pondok Pesantren Al-Khoziny Sidoarjo, beragam opini publik di YouTube belum banyak dianalisis dengan pendekatan yang mempertimbangkan kondisi tersebut. Penelitian ini bertujuan untuk mengidentifikasi sentimen publik serta membandingkan kinerja algoritma Naïve Bayes dan Decision Tree pada data yang tidak seimbang. Data yang digunakan berupa kurang lebih 2.200 komentar yang dikumpulkan pada Januari–Maret 2026 melalui web scraping. Tahapan analisis meliputi preprocessing teks, pelabelan sentimen ke dalam kategori positif, negatif, dan netral, ekstraksi fitur menggunakan TF-IDF, serta penerapan SMOTE pada data latih untuk mengatasi ketidakseimbangan kelas. Model kemudian dilatih dan diuji menggunakan kedua algoritma tersebut. Hasil menunjukkan bahwa Decision Tree unggul dengan accuracy sebesar 0,99 dan F-1 Scoresebesar 0,99, sedangkan Naïve Bayes memperoleh accuracy sebesar 0,68 dan F-1 Scoresebesar 0,74. Temuan ini menunjukkan bahwa penanganan data tidak seimbang dan pemilihan algoritma berpengaruh signifikan terhadap hasil analisis sentimen. Temuan ini dapat menjadi acuan bagi pengembang sistem analisis sentimen yang bekerja dengan dataset berbahasa Indonesia, khususnya dalam konteks peristiwa sosial-keagamaan dengan distribusi kelas yang tidak seimbang.]]>
