Analisis Sentimen Komentar Youtube Pidato Kemenangan Prabowo Subianto Menggunakan Naïve Bayes Optimasi Particle Swarm Optimization

Abstract

Pilpres 2024 menjadi momentum penting dalam dinamika politik Indonesia yang memicu diskusi luas, terutama
di media sosial seperti YouTube. Penelitian ini bertujuan untuk menganalisis sentimen publik terhadap pidato pertama
Prabowo Subianto pasca-kemenangan Pilpres 2024 dengan menggunakan algoritma Naïve Bayes yang dioptimasi melalui
Particle Swarm Optimization (PSO). Metode ini dipilih untuk meningkatkan akurasi dan keseimbangan performa analisis
sentimen dibandingkan Naïve Bayes klasik. Data penelitian diambil dari 4.035 komentar video di kanal YouTube
KompasTV kemudian melalui tahapan preprocessing meliputi case folding, tokenizing, stemming, dan pembobotan
menggunakan Term Frequency-Inverse Document Frequency (TF-IDF). Dataset ini dibagi menjadi data latih dan data uji
dengan perbandingan 75:25. Hasil penelitian menunjukkan bahwa penerapan PSO pada model Naïve Bayes memberikan
peningkatan akurasi global dari 74,73% menjadi 75,16%. Pada kategori sentimen negatif, presisi meningkat dari 56% menjadi
59%, meskipun recall menurun dari 67% menjadi 64%. Untuk sentimen netral, presisi menurun dari 75% menjadi 71%,
namun recall meningkat dari 55% menjadi 61%, menghasilkan kenaikan F1-Score dari 64% menjadi 66%. Pada sentimen
positif, presisi meningkat dari 79% menjadi 81%, sementara recall menurun dari 90% menjadi 87%, dengan F1-Score yang
tetap konsisten di 84%. Secara keseluruhan, optimasi PSO berhasil meningkatkan keseimbangan antara presisi dan recall,
terutama pada kelas netral dan positif, menunjukkan efektivitasnya dalam mengoptimalkan parameter model.
Kata kunci— analisis sentimen, naïve bayes, particle swarm optimization, youtube, pilpres 2024