<![CDATA[Penelitian ini bertujuan untuk mengidentifikasi sentimen publik terhadap Tragedi Demo 25 Agustus 2025 melalui komentar pengguna YouTube dengan pendekatan lexicon-based. Demonstrasi tersebut memicu gelombang reaksi emosional yang terekam dalam ribuan komentar digital, menjadikan YouTube sebagai sumber data sosial yang kaya. Metode penelitian yang digunakan adalah kuantitatif deskriptif dengan lima tahapan utama: pengumpulan data, pra-pemrosesan, analisis sentimen, visualisasi hasil, dan validasi klasifikasi. Komentar dianalisis menggunakan kamus InSet untuk menentukan polaritas sentimen. Hasil klasifikasi menunjukkan dominasi sentimen negatif sebesar 76,2%, yang mencerminkan kekecewaan, kemarahan, dan kritik terhadap pihak-pihak yang dianggap bertanggung jawab. Visualisasi data dilakukan melalui grafik batang, diagram lingkaran, dan word cloud untuk mengidentifikasi topik dominan seperti isu sosial, lingkungan, dan ekonomi. Temuan ini menunjukkan bahwa media sosial, khususnya YouTube, berfungsi sebagai ruang artikulasi emosi kolektif dan kontrol sosial digital. Analisis sentimen terbukti relevan sebagai indikator awal potensi instabilitas sosial dan dapat dimanfaatkan oleh pemerintah serta lembaga masyarakat sipil untuk merespons arah opini publik secara komputasional. Kata Kunci: Sentimen publik, Lexicon-Based, YouTube, Tragedi Demo, Analisis Komputasional This study aims to identify public sentiment toward the August 25, 2025 demonstration tragedy through YouTube user comments using a lexicon-based approach. The demonstration triggered a wave of emotional reactions captured in thousands of digital comments, positioning YouTube as a rich source of social data. A descriptive quantitative method was employed, consisting of five main stages: data collection, preprocessing, sentiment analysis, result visualization, and classification validation. Comments were analyzed using the Indonesian Sentiment Lexicon (InSet) to determine sentiment polarity. The classification results revealed a dominance of negative sentiment at 76.2%, reflecting disappointment, anger, and criticism toward parties deemed responsible. Data visualization included bar charts, pie diagrams, and word clouds to identify dominant themes such as social, environmental, and economic issues. These findings demonstrate that social media, particularly YouTube, serves not only as an information platform but also as a space for collective emotional articulation and digital social control. Sentiment analysis proves to be a relevant early warning tool for detecting potential social instability and can be utilized by government and civil society institutions to respond to public opinion computationally. Keywords: Public sentiment, Lexicon-Based, YouTube, Demonstration Tragedy, Computational Analysis]]>
Copyrights © 2025
