Analisis Sentimen Komentar Youtube Terhadap Kasus Bjorka Dengan Membadingkan Navie Bayes dan SVM
DOI:
https://doi.org/10.70404/ketik.v3i03.626Keywords:
Analisis Sentimen, Naive Bayes, Support Vector Machine, Youtube, BjorkaAbstract
Penelitian ini bertujuan untuk menganalisis sentimen komentar pengguna YouTube terkait kasus kebocoran data yang melibatkan Bjorka dengan membandingkan kinerja algoritma Naive Bayes dan Support Vector Machine (SVM). YouTube, sebagai salah satu platform media sosial terbesar, telah menjadi forum bagi masyarakat untuk mengekspresikan opini dan persepsi mereka mengenai isu keamanan data dan privasi digital. Data penelitian terdiri dari komentar YouTube yang dikumpulkan dari beberapa video terkait kasus Bjorka selama periode 2023–2025. Data diproses melalui pra-pemrosesan teks, pelabelan sentimen menggunakan metode VADER Indonesia, penyeimbangan data untuk mengatasi ketidakseimbangan kelas, dan ekstraksi fitur menggunakan metode Term Frequency–Inverse Document Frequency (TF-IDF). Selanjutnya, proses klasifikasi dilakukan menggunakan algoritma Naive Bayes dan Support Vector Machine. Hasil menunjukkan bahwa algoritma Support Vector Machine memiliki kinerja yang lebih baik dengan nilai akurasi 95,18% dan skor F1 95%, sedangkan algoritma Naive Bayes memperoleh nilai akurasi 73,81% dan skor F1 74%. Berdasarkan hasil tersebut, dapat disimpulkan bahwa algoritma SVM lebih efektif dalam mengklasifikasikan sentimen komentar pengguna YouTube berbahasa Indonesia terkait kasus Bjorka.
Downloads
References
M. Hudha, E. Supriyati, and T. Listyorini, “ANALISIS SENTIMEN PENGGUNA YOUTUBE TERHADAP TAYANGAN #MATANAJWAMENANTITERAWAN DENGAN METODE NAÏVE BAYES CLASSIFIER,” Jurnal Informatika dan Komputer) Akreditasi KEMENRISTEKDIKTI, vol. 5, no. 1, pp. 2614–8897, 2022, doi: 10.33387/jiko.
Chely Aulia Misrun, E. Haerani, M. Fikry, and E. Budianita, “Analisis sentimen komentar youtube terhadap Anies Baswedan sebagai bakal calon presiden 2024 menggunakan metode naive bayes classifier,” Jurnal CoSciTech (Computer Science and Information Technology), vol. 4, no. 1, pp. 207–215, Apr. 2023, doi: 10.37859/coscitech.v4i1.4790.
A. Turmudi Zy, A. Nugroho, A. Rivaldi, and I. Afriantoro, “Analisis Sentimen Terhadap Pembobolan Data pada Twitter dengan Algoritma Naive Bayes,” Jurnal Teknologi Informatika dan Komputer, vol. 8, no. 2, pp. 202–213, Sep. 2022, doi: 10.37012/jtik.v8i2.1240.
Adhitya Karel Maulaya and Junadhi, “Analisis Sentimen Menggunakan Support Vector Machine Masyarakat Indonesia Di Twitter Terkait Bjorka,” Jurnal CoSciTech (Computer Science and Information Technology), vol. 3, no. 3, pp. 495–500, Dec. 2022, doi: 10.37859/coscitech.v3i3.4358.
J. Khatib Sulaiman, D. Atmajaya, A. Febrianti, H. Darwis, I. Artikel Abstrak, and K. Kunci, “Metode SVM dan Naive Bayes untuk Analisis Sentimen ChatGPT di Twitter,” Indonesian Journal of Computer Science Attribution, vol. 12, no. 4, p. 2173, 2023.
V. Fitriyana et al., “Analisis Sentimen Ulasan Aplikasi Jamsostek Mobile Menggunakan Metode Support Vector Machine,” 2023.
A. Sentimen, T. Komentar, V. Y. Menggunakan……, T. Muhayat, A. Fauzi, and D. J. Indra, “Analisis Sentimen Terhadap Komentar Video Youtube Menggunakan Support Vector Machines,” 2023.
Syahril Dwi Prasetyo, Shofa Shofiah Hilabi, and Fitri Nurapriani, “Analisis Sentimen Relokasi Ibukota Nusantara Menggunakan Algoritma Naïve Bayes dan KNN,” Jurnal KomtekInfo, pp. 1–7, Jan. 2023, doi: 10.35134/komtekinfo.v10i1.330.
N. Fauziah, “Analisis Sentimen Publik Terhadap Kenaikan Tarif PPN di Indonesia dengan Pendekatan VADER,” Jurnal Akuntansi dan Keuangan, vol. 12, no. 2, p. 228, Sep. 2024, doi: 10.29103/jak.v12i2.16796.
A. Simanungkalit, J. Panda, P. Naibaho, and A. De Kweldju, “Analisis Sentimen Berbasis Aspek Pada Ulasan Aplikasi Shopee Menggunakan Algoritma Naïve Bayes,” 2024.
K. Tri Putra, M. Amin Hariyadi, and C. Crysdian, “PERBANDINGAN FEATURE EXTRACTION TF-IDF DAN BOW UNTUK ANALISIS SENTIMEN BERBASIS SVM,” 2023.
K. Kevin, M. Enjeli, and A. Wijaya, “Analisis Sentimen Pengunaaan Aplikasi Kinemaster Menggunakan Metode Naive Bayes,” Jurnal Ilmiah Computer Science, vol. 2, no. 2, pp. 89–98, Jan. 2024, doi: 10.58602/jics.v2i2.24.
S. Rabbani, D. Safitri, N. Rahmadhani, A. A. F. Sani, and M. K. Anam, “Perbandingan Evaluasi Kernel SVM untuk Klasifikasi Sentimen dalam Analisis Kenaikan Harga BBM,” MALCOM: Indonesian Journal of Machine Learning and Computer Science, vol. 3, no. 2, pp. 153–160, Oct. 2023, doi: 10.57152/malcom.v3i2.897
Downloads
Published
How to Cite
License
Copyright (c) 2026 KETIK : Jurnal Informatika
This work is licensed under a Creative Commons Attribution-ShareAlike 4.0 International License.
