Perkembangan teknologi informasi telah mengubah cara masyarakat menyampaikan dan menerima informasi, termasuk dalam ranah politik. YouTube menjadi salah satu media utama penyebaran pidato politik yang memicu berbagai respons publik melalui kolom komentar. Komentar-komentar ini sering memuat opini dan sentimen yang mencerminkan pandangan masyarakat terhadap tokoh maupun isu politik tertentu, sehingga penting untuk dianalisis guna memahami bagaimana pesan politik diterima oleh publik.
Penelitian ini bertujuan untuk mengklasifikasikan sentimen komentar pengguna terhadap video pidato politik berbahasa Indonesia di YouTube dan mengevaluasi efektivitas model FastText dalam analisis sentimen dibandingkan metode tradisional. Metode yang digunakan melibatkan representasi kata menggunakan FastText, yang dibandingkan dengan pendekatan TF-IDF yang dikombinasikan dengan algoritma Logistic Regression. Evaluasi menunjukkan bahwa FastText lebih unggul dengan peningkatan akurasi sebesar 2,71% dan F1-score netral yang naik signifikan sebesar 24,69%. Validasi menggunakan k-fold cross validation (k=5) juga menunjukkan performa konsisten, khususnya dalam mengenali komentar netral yang biasanya lebih sulit diklasifikasikan.
Temuan lain menunjukkan bahwa penggunaan metode oversampling untuk balancing data tidak memberikan peningkatan performa yang signifikan, meskipun membantu distribusi prediksi antar kelas. Secara keseluruhan, FastText terbukti lebih stabil dan andal dalam menganalisis komentar publik yang mengandung bahasa informal, slang, dan campuran bahasa, sebagaimana umum ditemukan pada komentar YouTube terhadap pidato politik.