Sentimen Analisis Video Youtube Pada Donasi Banjir Di Sumatera Menggunakan Metode KNN (K-Nearest Neighbor)

Abstract

Perkembangan platform YouTube sebagai sarana opini publik menghasilkan volume data tekstual yang sangat besar, salah satunya pada kanal YouTube Ferry Irwandi terkait topik donasi. Penelitian ini bertujuan untuk melakukan analisis sentimen positif dan negatif terhadap komentar masyarakat menggunakan algoritma K-Nearest Neighbor (KNN). Data dikumpulkan melalui metode web scraping menggunakan YouTube Data API v3, yang kemudian melalui tahap preprocessing meliputi case folding, cleaning, tokenizing, dan stopword removal. Dilanjutkan dengan proses pelabelan dilakukan secara otomatis. Pengujian dilakukan dengan membagi dataset menjadi 80% data latih dan 20% data uji. Hasil penelitian menunjukkan bahwa algoritma KNN mampu mengklasifikasikan sentimen dengan performa yang optimal pada beberapa nilai K. Dengan hasil K tertinggi pada K=9 yang menghasilkan nilai akurasi 95,66%. Dan hasil evaluasi menunjukkan nilai sentimen paling baik pada kategori positif yang menghasilkan nilai Recall 1.00 dan F1-score 0.98.