<![CDATA[Kemajuan teknologi digital telah mengubah cara masyarakat mengakses dan merespons informasi politik, khususnya melalui platform seperti YouTube yang menjadi wadah diskusi publik. Komentar pada video pidato politik sering kali memuat sentimen yang kompleks seperti ironi, slang, dan campuran bahasa (code-mixing), yang sulit diidentifikasi menggunakan metode analisis sentimen tradisional. Penelitian ini bertujuan untuk menganalisis sentimen komentar publik terhadap pidato politik berbahasa Indonesia di YouTube dengan pendekatan word embedding FastText. Data yang digunakan merupakan kumpulan komentar dari pidato Presiden Indonesia tahun 2014 hingga 2024, dengan klasifikasi sentimen menjadi positif, negatif, dan netral. Hasil penelitian menunjukkan bahwa model FastText memiliki kinerja yang lebih baik dibandingkan pendekatan TF-IDF + Logistic Regression, dengan nilai akurasi sebesar 76,82%. FastText mampu menangkap konteks dan makna yang kompleks dalam teks informal berbahasa Indonesia, serta menunjukkan performa yang lebih seimbang dalam memprediksi ketiga kelas sentimen. Meskipun metode oversampling membantu mendistribusikan prediksi antar kelas secara lebih merata, teknik ini belum memberikan peningkatan yang signifikan terhadap akurasi model secara keseluruhan. Penelitian ini memberikan kontribusi dalam meningkatkan efektivitas analisis sentimen di ranah politik dengan menggunakan bahasa Indonesia.]]>
Copyrights © 2025
