Penerapan Smote dan Chi-Square Feature Selection Untuk Meningkatkan Akurasi Multinomial Naive Bayes Dalam Analisis Sentimen Video "Presiden Prabowo Menjawab" Di Youtube

Perkembangan platform digital seperti YouTube telah menciptakan ruang publik baru untuk diskusi politik, dimana kolom komentar menjadi cerminan langsung tanggapan masyarakat terhadap konten politik. Penelitian ini menganalisis sentimen publik terhadap video "Presiden Prabowo Menjawab" di YouTube menggunakan algoritma Multinomial Naïve Bayes yang dioptimasi dengan seleksi fitur Chi-Square dan teknik SMOTE untuk penanganan ketidakseimbangan data. Data diperoleh melalui web scraping sebanyak 4.649 komentar dari tiga channel YouTube terkemuka. Preprocessing teks dilakukan melalui cleaning, case folding, normalisasi, tokenizing, stopword removal, dan stemming. Hasil penelitian menunjukkan bahwa model mencapai akurasi sebesar 67% dengan precision kelas positif 72% dan recall kelas negatif 81%. Hasil analisis mengungkapkan bahwa model lebih efektif dalam mengidentifikasi komentar negatif dibandingkan positif, yang merefleksikan karakteristik unik pola linguistik dalam diskusi politik di platform digital. Penelitian ini memberikan kontribusi dalam pengembangan sistem analisis sentimen otomatis untuk konten politik serta menjadi dasar untuk pemantauan opini publik di era digital.