ANALISIS SENTIMEN KOMENTAR YOUTUBE TERHADAP KEBIJAKAN DEDI MULYADI DENGAN METODE MACHINE LEARNING

STUDI KASUS : KENAKALAN REMAJA

Abstract

Kenakalan remaja merupakan isu sosial yang memunculkan kebijakan kontroversial berupa pengiriman anak bermasalah ke barak militer oleh Dedi Mulyadi. Kebijakan tersebut menimbulkan beragam tanggapan masyarakat di platform YouTube yang mencerminkan dinamika opini publik. Permasalahan dalam penelitian ini adalah bagaimana mengklasifikasikan sentimen komentar masyarakat secara akurat serta mengevaluasi performa metode ensemble machine learning dibandingkan algoritma tunggal. Penelitian ini bertujuan menganalisis kecenderungan opini publik dan mengukur kinerja algoritma klasifikasi dalam memetakan sentimen komentar YouTube. Metode yang digunakan meliputi pengumpulan 7.875 komentar melalui YouTube Data API, pelabelan otomatis menggunakan InSet Lexicon, preprocessing teks, serta pembobotan fitur dengan TF-IDF. Model klasifikasi yang diterapkan adalah Naïve Bayes, K-Nearest Neighbor (KNN), dan Logistic Regression, yang kemudian dikombinasikan menggunakan teknik Ensemble Majority Voting. Hasil penelitian menunjukkan bahwa sentimen publik didominasi oleh kelas positif (52,4%) dibandingkan negatif (47,6%). Logistic Regression memperoleh akurasi tertinggi sebesar 0,84, sedangkan model ensemble menunjukkan performa stabil dengan akurasi sekitar 0,82. Temuan ini menunjukkan bahwa pendekatan ensemble mampu meningkatkan stabilitas klasifikasi sentimen pada isu kebijakan publik di media sosial.