<![CDATA[Dalam era digital, internet menjadi sumber informasi utama bagi konsumen dalam membuat keputusan, termasuk saat membeli produk seperti ponsel pintar. Salah satu platform yang sering digunakan untuk mencari ulasan adalah YouTube, yang menawarkan beragam video ulasan ponsel lengkap dengan komentar dari pengguna. Namun, banyaknya komentar yang muncul di setiap video ulasan membuat konsumen kesulitan dalam menilai persepsi umum terhadap produk tertentu, baik dari sisi sentimen positif, negatif, maupun netral. Hal ini juga menyulitkan produsen ponsel untuk memahami persepsi publik secara real-time. Penelitian ini bertujuan untuk mengembangkan sebuah sistem berbasis web yang dapat mengumpulkan, mengolah, dan menganalisis sentimen komentar YouTube terkait ponsel yang ada di Indonesia. Sistem ini menggunakan model Naive Bayes yang diterapkan untuk mengklasifikasikan komentar ke dalam empat kategori sentimen: positif, negatif, netral dan irelevan. Sistem juga menyediakan visualisasi interaktif yang memudahkan pengguna, baik konsumen maupun produsen, untuk memahami persepsi publik terhadap produk yang diulas. Dalam pengembangannya, penelitian ini menggunakan metode SDLCl yang membuat projek dapat berjalan dengan terstruktur. Data komentar dikumpulkan menggunakan YouTube Data API dan diproses melalui teknik Natural Language Processing (NLP) untuk mempersiapkan data bagi analisis sentimen. Visualisasi hasil analisis ditampilkan dalam bentuk grafik seperti bar chart, radar chart, dan word cloud sehingga memudahkan pengguna dalam memahami persepsi umum terhadap ponsel tertentu. Hasil dari sistem ini diharapkan dapat membantu konsumen dalam memilih ponsel yang sesuai dengan preferensi mereka berdasarkan pengalaman dan opini pengguna lain. Selain itu, sistem ini juga diharapkan memberikan wawasan berharga bagi produsen ponsel mengenai respons publik terhadap produk mereka, yang bisa digunakan untuk strategi pemasaran dan pengembangan produk. Dengan adanya sistem ini, proses pengambilan keputusan baik bagi konsumen maupun produsen menjadi lebih informatif, cepat, dan efisien. Implementasi model Naive Bayes dalam sistem analisis sentimen ini menunjukkan bahwa model tersebut dapat memberikan hasil klasifikasi yang akurat, meski dalam konteks komentar yang beragam.]]>
