Perbandingan Algoritma Machine Learning dan Deep Learning Dalam Analisis Sentimen Komentar Video YouTube Berjudul Hidup Tanpa Sosial Media

Abstract

Penelitian ini membandingkan kinerja model deep learning (LSTM) dan machine learning (Logistic Regression, Naive Bayes, KNN) dalam analisis sentimen pada komentar YouTube, dengan fokus pada persepsi pengguna Indonesia terkait pengaruh konten terhadap kesehatan mental. Dataset terdiri dari komentar yang dilabeli sebagai positif, netral, dan negatif. Hasil menunjukkan bahwa Logistic Regression mencapai akurasi validasi tertinggi (84,0\%), mengungguli LSTM yang kesulitan melakukan generalisasi (akurasi validasi 70,94\%). Mayoritas komentar menunjukkan sentimen netral, dengan sebagian kecil positif dan negatif. Temuan ini menyoroti trade-off antara kompleksitas model dan stabilitas performa, di mana Logistic Regression menawarkan pendekatan yang lebih cepat dan stabil. Penelitian ini juga menekankan pentingnya kesadaran akan dampak negatif media sosial terhadap kesehatan mental, merekomendasikan pengembangan fitur yang mendukung penggunaan sehat dan pengaturan waktu konsumsi konten. Menunjukkan performa yang lebih baik dengan akurasi validasi sebesar 84,0\%. Meskipun LSTM memiliki potensi untuk menangani data yang lebih kompleks, Logistic Regression menawarkan pendekatan yang lebih cepat dan stabil untuk tugas analisis sentimen. Perbandingan ini menyoroti trade-off antara model deep learning dan machine learning dalam aplikasi dunia nyata, dengan penekanan pada pemilihan model berdasarkan karakteristik dataset dan keterbatasan komputasi.