<![CDATA[mengekspresikan pandangan dan reaksi mereka terhadap berbagai isu, termasuk peristiwa sosial dan politik seperti demonstrasi DPR. Dalam studi ini, metode Naïve Bayes digunakan untuk mengategorikan komentar teks berbahasa Indonesia pada video terkait dibagi menjadi tiga kategori: positif, negatif, dan netral. Hasilnya menunjukan bahwa mayoritas komentar bersifat netral (88,1%), dengan 9,3% negatif dan hanya 2,4% positif, yang menunjukan bahwa pengguna umumnya mengekspresikan reaksi non-emosional atau umum tanpa dukungan atau kritik eksplisit. Selain itu, efektivitas algoritma dalam mengklasifikasikan sentimen teks Bahasa Indonesia telah dibuktikan, terutama setelah Langkah-langkah pra proses yang tepat diterapkan. Studi ini berkontribusi pada literatur dengan mengkaji opini public terhadap isu-isu demonstrasi publik, menawarkan temuan yang dapat digunakan oleh pemangku kepentingan dalam memahami reaksi public yang cepat. Kata Kunci: Analisis Sentimen, Naïve Bayes, Demo DPR, Youtube YouTube has grown in popularityas a social networking site for the public to express their views and reactions toward various issues, including social and political events such as the DPR demonstrations. In this study, the Nave Bayes algorithm was used to classify Indonesian-language text comments on DPR-related videos devided positive, negative, and neutral. The findings indicate that the majority of comments are neutral (88.1%), with 9.3% negative and only 2.4% positive, indicating that users generally expressed non-emotional or general reactions without explicit support or criticism. Moreover, the effectiveness of the algorithm in classifying Indonesian text sentiment has been demonstrated, especially after proper preprocessing steps are applied. This research of literature looking into public opinions toward political demonstration issues, offering conclusions that might be used as a guide for stakeholders in understanding rapid public reactions Keywords: Sentiment Analysis, Naïve Bayes, DPR Demo, YouTube.]]>
