<![CDATA[Perkembangan media sosial menghasilkan data opini pengguna dalam jumlah besar dan tidak terstruktur, khususnya pada platform YouTube. Komentar pengguna mengandung informasi penting mengenai persepsi terhadap produk digital, namun analisis manual masih menjadi kendala. Penelitian ini bertujuan mengembangkan arsitektur sistem analitik umpan balik berbasis Big Data yang mengintegrasikan analisis sentimen dan Generative Artificial Intelligence (AI) dalam satu pipeline end-to-end. Sebanyak 10.625 komentar dikumpulkan melalui YouTube Data API dan disimpan dalam MongoDB. Proses analisis menggunakan kerangka CRISP-DM dengan preprocessing teks dan representasi fitur TF-IDF. Klasifikasi sentimen dibandingkan menggunakan Logistic Regression, Support Vector Machine (SVM), dan Random Forest, dengan pengujian SMOTE pada data latih. Hasil menunjukkan bahwa SVM tanpa SMOTE memberikan performa terbaik dengan akurasi 83,97% dan F1-macro 80,29%. Integrasi Generative AI memungkinkan peringkasan isu dominan serta penyusunan rekomendasi perbaikan secara otomatis. Sistem yang dikembangkan mendukung pengambilan keputusan berbasis data secara lebih efisien.]]>
Copyrights © 2026
