Analisis Sentimen Komentar YouTube terhadap Ganjar Pranowo Pasca Pemilu 2024 dengan Pendekatan Long Short-Term Memory

Abstract

Pemilihan umum 2024 menuai banyak kontroversi, terutama setelah pelaksanaannya pada 14 Februari 2024. Ganjar Pranowo, sebagai salah satu calon presiden, menjadi topik hangat di media sosial, termasuk YouTube. Beragam komentar yang muncul menyulitkan untuk melihat secara keseluruhan apakah komentar tersebut berpihak atau sebaliknya. Kesulitan tersebut menjadi masalah yang perlu diatasi. Penelitian ini bertujuan untuk menganalisis sentimen terhadap Ganjar Pranowo yang ditayangkan pada saluran YouTube Metro TV. Metode yang digunakan adalah Deep Learning dengan model Long Short-Term Memory (LSTM) untuk mengklasifikasikan sentimen positif, netral, atau negatif. Dataset terdiri dari  3.100 komentar yang dikumpulkan melalui YouTube Data API. Proses preprocessing mencakup case folding, text cleaning, stopword removal, normalization, tokenizing, dan stemming. Hasil penelitian menunjukkan bahwa  sentimen netral yang lebih banyak pada komentar YouTube dalam menanggapi Ganjar Pranowo pasca pemilu 2024 dengan 1019 komentar, dalam hal ini metode LSTM mampu mengklasifikasi sentimen dengan akurasi sebesar 75%. Evaluasi kinerja model menggunakan metrik accuracy, precision, recall, f1-score serta  confusion matrix dan word cloud menunjukkan bahwa model ini efektif dalam memahami dan menganalisis sentimen dari data teks.