PEMODELAN SENTIMEN KOMENTAR YOUTUBE TERKAIT KEBIJAKAN HILIRISASI NIKEL MENGGUNAKAN ALGORITMA SUPERVISED LEARNING

Abstract

Kebijakan hilirisasi nikel Indonesia sejak 2020 menuai respon beragam, mulai dari dukungan kedaulatan ekonomi hingga kritik dampak lingkungan dan ketimpangan distribusi manfaat. Platform YouTube dengan 139 juta pengguna aktif menjadi ruang diskusi publik yang dinamis terkait kebijakan ini. Namun, analisis sentimen sering menghadapi kendala ketidakseimbangan kelas yang menyebabkan model bias terhadap kelas mayoritas dan gagal mendeteksi kelas minoritas. Penelitian ini bertujuan menganalisis sentimen publik terhadap kebijakan hilirisasi nikel melalui komentar YouTube dan mengevaluasi efektivitas metode SMOTE-Tomek Links dalam menangani ketidakseimbangan kelas. Dataset 7.850 komentar YouTube yang telah melalui tahap text processing dan pelabelan, menghasilkan distribusi tidak seimbang (81,04% negatif vs 18,96% positif). Tiga algoritma supervised learning (Naive Bayes, Random Forest, Support Vector Machine) diuji pada dua skenario yaitu sebelum dan sesudah penerapan SMOTE-Tomek Links. Hasil menunjukkan bahwa model terbaik diperoleh menggunakan SVM rasio 80:20 dengan SMOTE-Tomek Links, mencapai akurasi 96,37% dan recall kelas positif 89%. Metode ini efektif mengurangi bias dengan penurunan selisih recall dari 14% menjadi 9%. Analisis sentimen mengungkapkan opini negatif didominasi kekhawatiran kerusakan lingkungan dan ketimpangan ekonomi, sementara opini positif berfokus pada kemajuan industri dan kedaulatan negara.