Analisis Sentimen Komentar Youtube Terkait Kenaikan PPN 12% Dengan Multinomial Naive Bayes

Penerapan kebijakan PPN 12% oleh pemerintah Indonesia memunculkan berbagai tanggapan dari masyarakat, terutama di media sosial seperti Youtube. Penelitian ini bertujuan untuk melakukan klasifikasi terhadap komentar masyarakat di platform Youtube terkait kebijakan kenaikan PPN 12% dengan menggunakan K-Fold Cross Validation dan menggunakan algoritma Multinomial Naïve Bayes. Salah satu tantangan dalam klasifikasi teks adalah ketidakseimbangan kelas. Untuk mengatasi masalah tersebut digunakan teknik random oversampling guna menyeimbangkan distribusi kelas. Data yang digunakan merupakan komentar publik yang dikumpulkan dengan cara crawling dari video youtube yang membahas kenaikan ppn 12%, dengan total sebanyak 1690 data. Komentar kemudian diproses melalui preprocessing seperti cleaning, case folding, tokenizing, normalisasi, stopword removal, stemming. Fitur teks diekstraksi menggunakan Term Frequency-Inverse Document Frequency (TF-IDF) kemudian diklasifikasikan kedalam dua kategori sentimen yaitu positif dan negatif. Hasil klasifikasi menunjukknan bahwa model Multinomial Naïve Bayes memberikan performa yang cukup baik dengan akurasi sebesar 89.73%, presisi 88.98% dan recall 94.12%. Temuan ini menunjukkan bahwa algoritma Multinomial Naïve Bayes efektif dalam mengklasifikasikan sentimen publik terkait kebijakan kenaikan PPN 12% melalui analisis.