PENERAPAN TEXT MINING DAN ANALISIS SENTIMEN PADA KOMENTAR YOUTUBE “DIRTY VOTE” MENGGUNAKAN ALGORITMA KLASIFIKASI

Abstrak

Kecurangan dalam pemilu merupakan salah satu masalah yang ada dalam konteks demokrasi karena dapat mengancam integritas proses demokratis dan kedaulatan rakyat. Jenis kecurangan seperti politik uang, politik identitas, intimidasi pemilih, dan manipulasi hasil pemilu dapat merusak kepercayaan masyarakat dan demokrasi secara keseluruhan. Isu kecurangan ini sering kali menjadi perbincangan hangat di masyarakat dan memicu perdebatan yang intens. Pada Februari 2024 lalu terdapat sebuah film yang berjudul “Dirty Vote” yang menjadi perbincangan hangat masyarakat di berbagai platform media sosial terutama YouTube. Komentar terhadap film tersebut berisi pro dan kontra dari masyarakat. Namun, dengan banyaknya komentar masyarakat dan tidak memungkinkan untuk menghitung satu persatu maka diperlukan analisis sentimen menggunakan pendekatan text mining. Tujuan penelitian ini untuk memahami sentimen masyarakat dalam memperoleh gambaran yang jelas berupa positif, negatif atau netral terhadap isu yang diangkat dalam film Dirty Vote menggunakan metode naïve bayes, K-NN dan decision tree sekaligus mengetahui algoritma manakah yang terbaik. lgoritma naïve bayes menghasilkan nilai akurasi sebesar 81% menggunakan pelabelan manual dan akurasi 70% menggunakan pelabelan lexicon. Algoritma K-NN menghasilkan akurasi 80% menggunakan pelabelan manual dan akurasi 61% menggunakan pelabelan lexicon. Algoritma decision tree menghasilkan akurasi 74% menggunakan pelabelan manual dan akurasi 68% menggunakan pelabelan lexicon. Sehingga dari ketiga pengujian tersebut algoritma naïve bayes dengan pelabelan manual menghasilkan tingkat akurasi sebesar 81% dengan presisi sebesar 81%, recall sebesar 100% dan F1-Score sebesar 90% menjadi algoritma terbaik pada penelitian ini.