IMPLEMENTASI DAN PERBANDINGAN ALGORITMA KNN DAN NAIVE BAYES PADA ANALISIS SENTIMEN KOMENTAR YOUTUBE ISU PENGUNDURAN KETUA PBNU

Abstract

Perkembangan media sosial menjadikan platform digital sebagai ruang publik utama untuk menyampaikan opini, termasuk mengenai isu strategis keagamaan dan organisasi seperti pengunduran Ketua Umum PBNU yang memicu beragam reaksi di kolom komentar YouTube. Besarnya volume komentar yang tidak terstruktur membuat analisis sentimen manual menjadi tidak efektif, sehingga dibutuhkan pendekatan komputasi berbasis “Machine Learning”. Penelitian ini bertujuan mengimplementasikan serta membandingkan performa algoritma K-Nearest Neighbor (KNN) dan Naive Bayes dalam mengklasifikasikan sentimen warganet. Menggunakan pendekatan kuantitatif berkerangka “Knowledge Discovery in Database” (KDD), data dikumpulkan melalui teknik “web scraping” pada video YouTube terkait. Tahapan “Preprocessing” mencakup “Case Folding”, “Cleaning”, “Tokenizing”, “Stopword Removal”, dan “Stemming”, yang dilanjutkan dengan pembobotan “TF-IDF”. Evaluasi model dilakukan menggunakan “Confusion Matrix” berdasarkan metrik akurasi, “Precision”, “Recall”, serta “F1-score”. Hasil riset ini diharapkan mampu mengidentifikasi algoritma dengan performa optimal, sekaligus memberikan kontribusi nyata dalam pengembangan analisis opini publik berbasis media sosial pada ranah isu keagamaan dan keorganisasian.