Sentimen Analisis Produk Iphone 16 Pada Komentar Youtube Menggunakan Metode Naive Bayes

Komentar pada platform YouTube memuat opini masyarakat dalam jumlah besar sehingga sulit dianalisis secara manual. Penelitian ini bertujuan mengklasifikasikan sentimen komentar YouTube terhadap iPhone 16 ke dalam kategori positif, negatif, dan netral menggunakan algoritma Naive Bayes, serta mengukur kinerjanya. Data berupa 4.199 komentar dari tiga video ulasan iPhone 16 yang dikumpulkan melalui web scraping dengan Apify. Tahapan penelitian meliputi cleaning, case folding, tokenizing, stopword removal, pelabelan otomatis berbasis kamus (lexicon-based), pembobotan TF-IDF, pembagian data latih dan data uji dengan rasio 70:30, dan klasifikasi menggunakan Naive Bayes pada RapidMiner. Hasil pelabelan menunjukkan sentimen negatif paling dominan dengan 1.806 komentar (43,01%), diikuti netral 1.324 komentar (31,53%) dan positif 1.069 komentar (25,46%). Evaluasi pada 1.260 data uji menghasilkan accuracy 49,13%, rata-rata recall 40,26%, rata-rata precision 81,94%, dan rata-rata F1-score 33,39%. Model cenderung memprediksi komentar sebagai negatif (recall kelas negatif 100%, netral 13,60%, positif 7,17%). Hal ini diduga dipengaruhi oleh ketidakseimbangan data antarkelas, pelabelan berbasis kamus yang tidak menangani negasi dan sarkasme, serta penggunaan bahasa tidak baku. Dengan demikian, kinerja Naive Bayes pada penelitian ini masih tergolong rendah dan perlu ditingkatkan melalui penyeimbangan data, perbaikan pelabelan, dan perbandingan dengan algoritma lain.