<![CDATA[Dalam era digital, penyampaian berita terkait politik dan konstruksi opini kolektif banyak bergantung pada keberadaan media sosial sebagai saluran utama. Namun, komentar pada berita politik sering mengandung sentimen yang mencerminkan persepsi publik terhadap isu yang berkembang. Kajian ini mengkaji respon afektif pemirsa terhadap pemberitaan politik yang diunggah di situs berbagi video YouTube. dengan menggunakan metode Web Scraping untuk pengumpulan data dan algoritma Naïve Bayes Classifier untuk klasifikasi sentimen. Dalam penelitian ini, diterapkan kerangka kerja KDD yang mencakup lima langkah berurutan: memilih data yang relevan, membersihkannya melalui proses pra-pemrosesan, mengubahnya ke dalam format yang sesuai, melakukan eksplorasi data, dan mengevaluasi temuan yang diperoleh. Data diambil dari 1.000 komentar pada lima video berita politik di kanal YouTube Detik.com, yang diklasifikasikan menjadi sentimen positif dan negatif. Sistem penelitian ini menerapkan serangkaian teknik pra-pemrosesan teks yang komprehensif, mulai dari data cleaning, konversi huruf, pembagian token, standarisasi teks, seleksi fitur, hingga stemming, kemudian dilengkapi dengan feature weighting menggunakan pendekatan TF-IDF. Hasil evaluasi menunjukkan bahwa klasifikasi menggunakan Naïve Bayes menghasilkan tingkat ketepatan prediksi mencapai 87% pada skema validasi dengan pembagian 90% data latih dan 10% data uji. Namun, klasifikasi sentimen positif memiliki nilai F1- score lebih rendah, menunjukkan kecenderungan model dalam mengenali sentimen negatif. Analisis ini memberikan wawasan bagi pemerintah dan pembuat kebijakan dalam memahami persepsi publik terhadap kebijakan politik serta potensi penyebaran opini negatif di media sosial.]]>
