Perkembangan teknologi komunikasi dan media sosial telah membuka peluang
baru untuk memahami opini publik terhadap kebijakan pemerintah secara lebih
cepat dan akurat. Penelitian ini bertujuan untuk menganalisis sentimen masyarakat
terhadap kebijakan pemerintah, khususnya kebijakan efisiensi anggaran tahun
2025, dengan memanfaatkan komentar publik pada platform YouTube. Data
dikumpulkan melalui YouTube API, kemudian diproses melalui tahapan
preprocessing (case folding, tokenizing, cleaning, stopword removal, dan
stemming) dan diekstraksi fiturnya menggunakan metode Term Frequency–Inverse
Document Frequency (TF-IDF). Proses klasifikasi dilakukan menggunakan
algoritma K-Nearest Neighbor (KNN) dengan nilai K=3. Evaluasi model
menggunakan metrik akurasi, presisi, recall, dan F1-score menunjukkan bahwa
model memperoleh akurasi 88,1%, presisi 83%, recall 90,9%, dan F1-score 86,9%.
Hasil ini mengindikasikan bahwa KNN cukup efektif dalam mengklasifikasikan
sentimen komentar YouTube, meskipun ketidakseimbangan jumlah data antar kelas
masih mempengaruhi performa pada kelas minoritas. Penelitian ini menghasilkan
aplikasi berbasis desktop web yang mampu memvisualisasikan distribusi sentimen
secara interaktif, sehingga dapat menjadi alat bantu bagi pengambil kebijakan dan
analis media sosial untuk memantau opini publik secara real-time.