<![CDATA[Kesehatan mental merupakan salah satu isu yang semakin mendapat perhatian di seluruh dunia. Masalah kesehatan mental sering kali diabaikan, namun dampaknya dapat merusak kualitas hidup individu dan masyarakat secara keseluruhan. Faktor lain yang mempengaruhi upaya penyuluhan kesehatan mental adalah pemahaman yang kurang baik dan kesadaran yang rendah tentang kesehatan mental. Dari penjelasan permasalahan tersebut maka perlu adanya analisis sentimen untuk mengetahui opini masyarakat terhadap kesehatan mental di media sosial youtube. Analisis sentimen merupakan suatu proses untuk memahami emosi atau sentimen dari suatu teks yang ditulis oleh pengguna baik berupa sentimen positif, netral ataupun negatif. Proses pengambilan dataset dilakukan mengunakan platform Google Colab untuk crawling data dan terkumpul sekitar 2.703 komentar. Setelah dilakukan proses cleaning dan preprocessing jumlah data yang tersisa adalah sebanyak 1700. Metode yang digunakan pada penelitian ini menggunakan algoritma Naïve Bayes dan K-Nearest Neighbor (k-NN). Dalam penelitian ini, dua metode yang digunakan yaitu pelabelan manual dan pelabelan otomatis menggunakan tools RapidMiner. Pada tahap pertama, pelabelan manual dilakukan pada 305 data menghasilkan nilai akurasi 95% untuk algoritma Naïve Bayes dan nilai akurasi 85.88% untuk algoritma k-NN. Pada tahap kedua, pelabelan otomatis digunakan dengan data latih sebanyak 305 data dan data uji 1.395 data menghasilkan nilai akurasi 68.01% untuk algoritma Naïve Bayes dan nilai akurasi 48.97% untuk algoritma k-NN. Hasil penelitian menunjukkan bahwa algoritma Naïve Bayes memiliki akurasi yang lebih tinggi dibandingkan dengan algoritma K-Nearest Neighbor dalam mengklasifikasikan sentimen dari komentar YouTube terkait isu kesehatan mental.]]>
