Youtube menjadi salah satu media populer untuk menyampaikan opini terhadap produk teknologi, termasuk Iphone 16 yang banyak dibahas di channel GadgetIn. Namun, komentar pengguna cenderung tidak terstruktur dan penuh bahasa informal, sehingga menyulitkan proses analisis sentimen secara otomatis. Selain itu, belum diketahui algoritma klasifikasi mana yang lebih optimal dalam menangani komentar yang bersifat kompleks tersebut. Penelitian ini bertujuan untuk menganalisis sentimen komentar dan membandingkan kinerja algoritma Naive Bayes dan K-Nearest Neighbor (KNN) dalam klasifikasi sentimen. Sebanyak 2.499 komentar dikumpulkan melalui teknik crawling, lalu diproses melalui tahapan preprocessing dan pembobotan TF-IDF, serta dibagi menjadi data latih 80% dan data uji 20%. Evaluasi menggunakan confusion matrix menunjukkan bahwa Naive Bayes menghasilkan akurasi tertinggi sebesar 73%, sedangkan KNN mencapai 65%. Sentimen netral paling dominan, disusul positif dan negatif. Berdasarkan hasil tersebut, algoritma Naive Bayes lebih efektif dalam mengklasifikasikan komentar Youtube yang tidak terstruktur.

S12040

INF 0067 2025

Bekasi

Tersedia