<![CDATA[Komentar pengguna pada platform YouTube merupakan sumber informasi yang dapat dimanfaatkan untuk memahami kecenderungan opini publik terhadap berbagai layanan digital. Namun, komentar tersebut umumnya berbentuk teks tidak terstruktur sehingga proses analisis secara manual menjadi kurang efektif ketika jumlah data sangat besar. Oleh karena itu, diperlukan pendekatan berbasis machine learning untuk mengolah serta mengklasifikasikan opini pengguna secara otomatis. Penelitian ini melakukan analisis sentimen terhadap komentar YouTube berbahasa Indonesia yang dikumpulkan menggunakan beberapa kata kunci terkait layanan digital. Data yang diperoleh kemudian diproses melalui tahapan pembersihan teks, normalisasi, serta pembentukan representasi fitur menggunakan metode TF-IDF. Untuk meningkatkan kualitas model klasifikasi, dilakukan optimasi parameter serta penyeimbangan distribusi data menggunakan teknik SMOTE. Hasil evaluasi berdasarkan metrik accuracy, precision, recall, dan F1-score menunjukkan bahwa model klasifikasi mampu menghasilkan performa yang baik dengan tingkat akurasi tertinggi mencapai 84,88%. Selain itu, distribusi hasil klasifikasi memperlihatkan bahwa kategori sentimen positif lebih dominan dibandingkan dengan kategori netral dan negatif pada data komentar yang dianalisis.]]>
Copyrights © 2026
