Article Per Year (5 Year)
p-Index From 2021 - 2026
0.23
P-Index
This Author published in this journals
All Journal INTECOMS: Journal of Information Technology and Computer Science
Muhammad Basyrah Diyanulhaq
Universitas Stikubank Semarang
Computer Science & IT

Published : 1 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 1 Documents
Search

 1 
KLASIFIKASI SENTIMEN YOUTUBE TERKAIT DEMONSTRASI AGUSTUS 2025 MENGGUNAKAN METODE TF-IDF DAN ALGORITMA XGBOOST Muhammad Basyrah Diyanulhaq; Saeffurohman Saeffurohman
INTECOMS: Journal of Information Technology and Computer Science Vol. 9 No. 3 (2026): INTECOMS: Journal of Information Technology and Computer Science
Publisher : Institut Penelitian Matematika, Komputer, Keperawatan, Pendidikan dan Ekonomi (IPM2KPE)

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.31539/z74yc182

Abstract

Pertumbuhan pesat media sosial menghasilkan volume besar teks opini berbahasa Indonesia yang tidak terstruktur dan sulit dianalisis secara manual, khususnya pada platform YouTube. Penelitian ini mengimplementasikan model analisis sentimen pada komentar YouTube berbahasa Indonesia menggunakan Term Frequency-Inverse Document Frequency (TF-IDF) sebagai teknik ekstraksi fitur dan Extreme Gradient Boosting (XGBoost) sebagai algoritma klasifikasi. Sebanyak 2.000 komentar dikumpulkan melalui YouTube Data API v3, diproses melalui tahap case folding, cleaning, tokenizing, stopword removal, dan stemming menggunakan library Sastrawi, kemudian diberi label positif, netral, dan negatif menggunakan metode crowdsourcing dengan majority vote. RandomOverSampler diterapkan pada data training untuk mengatasi ketidakseimbangan kelas, dan parameter XGBoost dioptimalkan menggunakan GridSearchCV. Konfigurasi terbaik yang diuji pada pembagian data 80:20 menghasilkan akurasi keseluruhan sebesar 82,50%, dengan kelas negatif mencapai F1-score 0,90, sedangkan kelas netral dan positif memperoleh F1-score masing-masing 0,40 dan 0,51. Hasil ini menunjukkan bahwa kombinasi TF-IDF dan XGBoost unggul pada kelas negatif yang dominan, namun masih terbatas dalam membedakan kelas sentimen minoritas akibat karakteristik TF-IDF yang bersifat bag-of-words. Kata Kunci: analisis sentimen, TF-IDF, XGBoost, komentar YouTube, teks bahasa Indonesia
Co-Authors Saeffurohman Saeffurohman