<![CDATA[Konflik Iran–Israel memunculkan diskusi publik di media sosial, termasuk komentar Youtube yang berpotensi mengandung misinformasi dan sentimen emosional. Penelitian ini bertujuan menganalisis deteksi misinformasi dan sentimen pada komentar Youtube terkait konflik Iran–Israel menggunakan pendekatan Machine Learning dan Natural Language Processing. Dataset penelitian terdiri atas 124 komentar publik Youtube berbahasa Indonesia yang dikumpulkan dari 12 video relevan. Data diproses melalui pembersihan, anonimisasi, dan pelabelan manual untuk dua tugas, yaitu deteksi misinformasi dan analisis sentimen. Representasi fitur menggunakan TF-IDF, sedangkan model klasifikasi yang dibandingkan meliputi Logistic Regression, Linear Support Vector Machine, dan Random Forest. Evaluasi dilakukan menggunakan accuracy, precision, recall, dan F1-score dengan stratified 5-fold cross-validation. Hasil penelitian menunjukkan bahwa Linear SVM memperoleh performa terbaik pada deteksi misinformasi dengan accuracy 0.7581 dan F1-score 0.2500. Pada analisis sentimen, Logistic Regression memperoleh performa terbaik dengan accuracy 0.7742 dan macro F1-score 0.4965. Namun, hasil masih dipengaruhi keterbatasan dataset dan ketidakseimbangan label, terutama dominasi kelas negative dan minimnya kelas neutral. Dengan demikian, penelitian ini merupakan baseline eksploratif awal dan belum dapat digeneralisasi secara luas terhadap seluruh opini publik digital pada isu konflik geopolitik serupa, sehingga perlu perluasan data dan model kontekstual lanjutan Keywords: konflik Iran–Israel, misinformation detection, machine learning, YouTube comments]]>
Copyrights © 2026
