Analisis Sentimen Masyarakat terhadap Isu Redenominasi Rupiah pada Platform YouTube Menggunakan Algoritma Naïve Bayes

Abstract

Isu redenominasi rupiah merupakan salah satu topik ekonomi yang banyak dibahas oleh masyarakat dan menimbulkan berbagai opini di ruang publik. Perkembangan media sosial, khususnya YouTube, memungkinkan pengguna menyampaikan pandangan secara terbuka melalui kolom komentar. Penelitian ini bertujuan menganalisis sentimen publik terhadap isu redenominasi rupiah di YouTube menggunakan algoritma Naïve Bayes Classifier. Metode yang digunakan adalah Knowledge Discovery in Database (KDD) yang meliputi tahap data selection, preprocessing, transformasi, data mining, dan evaluasi. Pendekatan Inset Lexicon diterapkan untuk memberikan label sentimen berdasarkan kamus positif dan negatif, serta pelabelan manual yang divalidasi oleh ahli linguistik. Hasil penelitian menunjukkan bahwa kedua metode pelabelan didominasi sentimen positif. Pelabelan Inset Lexicon mengidentifikasi 2.157 data positif, 1.562 data negatif, dan 1.600 data netral. Sementara itu, pelabelan manual menghasilkan 2.784 data positif, 1.214 data negatif, dan 1.214 data netral. Hasil evaluasi menunjukkan bahwa pelabelan Inset Lexicon memiliki kinerja lebih baik dibandingkan pelabelan manual. Dengan penerapan SMOTE dan rasio pembagian data 90:10, model mencapai akurasi 69%, presisi 68%, dan recall 68%. Sebaliknya, pelabelan manual hanya mencapai akurasi 52%, presisi 33%, dan recall 33% dalam pengujian model.