Analisis Sentimen Komentar YouTube MV K-Pop Menggunakan NaÃ¯ve Bayes: Studi Kasus Jung Jaehyun â€˜Horizonâ€™

Addriana Fatma Putri  Indah Sari; Ade  Eviyanti; Ika Ratna Indra  Astutik

doi:10.32664/smatika.v15i02.1691

Penulis

Addriana Fatma Putri Indah Sari Universitas Muhammadiyah Sidoarjo
Ade Eviyanti Universitas Muhammadiyah Sidoarjo
Ika Ratna Indra Astutik Universitas Muhammadiyah Sidoarjo

DOI:

https://doi.org/10.32664/smatika.v15i02.1691

Kata Kunci:

Analisis Sentimen, Komentar YouTube, K-Pop, Naïve Bayes, Support Vector Machine.

Abstrak

Penelitian ini bertujuan untuk menganalisis sentimen komentar YouTube pada video musik "Horizon" oleh Jung Jaehyun dengan mengaplikasikan algoritma NaÃ¯ve Bayes serta Support Vector Machine (SVM). Sebagai fenomena global, K-pop menjadi subjek menarik untuk memahami pola interaksi dan opini penggemar melalui media sosial, khususnya di platform YouTube. Sebanyak 2.391 komentar berbahasa Indonesia dikumpulkan menggunakan YouTube API dan diproses melalui tahapan pra-pemrosesan seperti pembersihan data (cleaning), tokenisasi, normalisasi, dan penghapusan kata-kata umum. Setelah pelabelan manual untuk sentimen positif dan negatif, komentar dianalisis menggunakan algoritma NaÃ¯ve Bayes, yang dikenal karena kesederhanaan, kecepatan, dan efektivitasnya dalam menangani dataset berukuran kecil, serta dibandingkan dengan SVM yang dilengkapi kernel linier. Hasil penelitian menunjukkan bahwa meskipun SVM dengan kernel linier mencapai akurasi tertinggi sebesar 98% dan unggul dalam menangani data yang tidak seimbang, NaÃ¯ve Bayes tetap memberikan hasil yang kompetitif dengan akurasi 97%. Keunggulan NaÃ¯ve Bayes dalam kemudahan implementasi, efisiensi waktu komputasi, dan kinerjanya pada dataset kecil menjadikannya pilihan yang efektif untuk kasus analisis sentimen serupa. Dalam confusion matrix, kedua algoritma menunjukkan hasil yang baik dalam memprediksi sentimen, meskipun tantangan tetap ada pada kelas negatif. Penelitian ini memberikan kontribusi pada metode analisis sentimen dengan menekankan bahwa NaÃ¯ve Bayes adalah algoritma yang efisien dan relevan untuk eksplorasi awal, sementara SVM dapat diandalkan untuk optimasi performa pada data yang lebih kompleks. Hasil ini relevan bagi industri musik dalam memahami sentimen penggemar sebagai indikator kesuksesan.

Referensi

[1] K. Horasman, A. Rara Fauziyah, and C. Siahaan, “Analisis Penggunaan Media Online Kvibes di Kalangan Penggemar Korean Pop (K-Popers),” Jurnal Ilmiah Multidisiplin, vol. 3, no. 6, 2024.

[2] H. Al Rasyid Harpizon et al., “Analisis Sentimen Komentar Di YouTube Tentang Ceramah Ustadz Abdul Somad Menggunakan Algoritma Naïve Bayes,” Jurnal Nasional Komputasi dan Teknologi Informasi, vol. 5, no. 1, 2022.

[3] M. R. Yoanita, H. Setiawan, P. Lucky, and T. Irawan, “Analisis Fitur-Fitur Yang Mempengaruhi Jumlah Subscribers Youtube Menggunakan Algoritma Naive Bayes Classifier”.

[4] M. Persada Pulungan, A. Purnomo, A. Kurniasih, S. Tinggi Ilmu Manajemen dan Ilmu Komputer ESQ, and P. Korespondensi, “PENERAPAN SMOTE UNTUK MENGATASI IMBALANCE CLASS DALAM KLASIFIKASI KEPRIBADIAN MBTI MENGGUNAKAN NAIVE BAYES CLASSIFIER APPLICATION OF SMOTE TO OVERCOME CLASS IMBALANCE IN THE MBTI PERSONALITY CLASSIFICATION USING THE NAÏVE BAYES CLASSIFIER”, doi: 10.25126/jtiik.2024117989.

[5] G. K. Pati and E. Umar, “Analisis Sentimen Komentar Pengunjung Terhadap Tempat Wisata Danau Weekuri Menggunakan Metode Naive Bayes Classifier Dan K-Nearest Neighbor,” JURNAL MEDIA INFORMATIKA BUDIDARMA, vol. 6, no. 4, p. 2309, Oct. 2022, doi: 10.30865/mib.v6i4.4635.

[6] M. F. Ansyah, Abd. Ghofur, and L. F. Lidimillah, “Analisis Sentimen Komentar Youtube Terhadap Tayangan #Terbaru! Temuan dan Masalah Ahlak Di Ponpes Al-zaytun Menggunakan Metode Naïve Bayes,” G-Tech: Jurnal Teknologi Terapan, vol. 8, no. 2, pp. 847–856, Apr. 2024, doi: 10.33379/gtech.v8i2.4034.

[7] A. R. Abdillah and F. N. Hasan, “Analisis Sentimen Terhadap Kandidat Calon Presiden Berdasarkan Tweets Di Sosial Media Menggunakan Naive Bayes Classifier,” SMATIKA JURNAL, vol. 13, no. 01, pp. 117–130, Jul. 2023, doi: 10.32664/smatika.v13i01.750.

[8] M. I. Petiwi, A. Triayudi, and I. D. Sholihati, “Analisis Sentimen Gofood Berdasarkan Twitter Menggunakan Metode Naïve Bayes dan Support Vector Machine,” JURNAL MEDIA INFORMATIKA BUDIDARMA, vol. 6, no. 1, p. 542, Jan. 2022, doi: 10.30865/mib.v6i1.3530.

[9] M. I. Fikri, T. S. Sabrila, Y. Azhar, and U. M. Malang, “Perbandingan Metode Naïve Bayes dan Support Vector Machine pada Analisis Sentimen Twitter”.

[10] R. A. Firsttama, A. A. Arifiyanti, and D. S. Y. Kartika, “Analisis Sentimen Komentar Youtube Konferensi Tingkat Tinggi G20 Menggunakan Metode Naive Bayes,” Jurnal Teknologi Dan Sistem Informasi Bisnis, vol. 6, no. 2, pp. 282–285, Apr. 2024, doi: 10.47233/jteksis.v6i2.1263.

[11] F. Syofiani, S. Alam, and M. I. Sulistyo S, “Analisis Sentimen Penilaian Masyarakat Terhadap Childfree Berdasarkan Komentar di Youtube Menggunakan Algoritma Naïve Bayes,” Jurnal Teknologi Informatika dan Komputer, vol. 9, no. 2, pp. 688–703, Sep. 2023, doi: 10.37012/jtik.v9i2.1661.

[12] R. A. Raharjo, I. Made, G. Sunarya, D. Gede, and H. Divayana, “Perbandingan Metode Naïve Bayes Classifier Dan Support Vector Machine Pada Kasus Analisis Sentimen Terhadap Data Vaksin Covid-19 Di Twitter,” vol. 15, no. 2, pp. 456–464, 2022, [Online]. Available: http://journal.stekom.ac.id/index.php/elkompage456

[13] M. A. Laksono, I. A. Kautsar, and H. Setiawan, “Implementasi Payment Gateway pada Platform Freelance Digital Menggunakan Rest API,” SMATIKA JURNAL, vol. 14, no. 01, pp. 135–145, Jun. 2024, doi: 10.32664/smatika.v14i01.1227.

[14] M. I. Santoso and A. R. Dzikrillah, “KLIK: Kajian Ilmiah Informatika dan Komputer Analisis Sentimen Pengguna Terhadap Kinerja Sistem Transportasi Umum Jakarta Menggunakan Algoritma Naive Bayes,” Media Online), vol. 4, no. 6, pp. 3032–3043, 2024, doi: 10.30865/klik.v4i6.1936.

[15] N. Muchammad Shiddieqy Hadna, P. Insap Santosa, and W. Wahyu Winarno, “STUDI LITERATUR TENTANG PERBANDINGAN METODE UNTUK PROSES ANALISIS SENTIMEN DI TWITTER,” 2016.

[16] M. A. Jibran, A. Eviyanti, Y. Findawati, F. Sains, and D. Teknologi, “Deteksi Ujaran Kebencian Menggunakan Metode Support Vector Machine (SVM).”

[17] M. O. Charisma, M. F. Hamzah, M. Erwin, I. Nurbaiti, and F. Kurniawan, “Klasifikasi Sentimen Terhadap Kebijakan PHK 55 Ribu Karyawan oleh BT Group menggunakan Algoritma Klasifikasi Naive Bayes,” 2024. [Online]. Available: https://journal-computing.org/index.php/journal-cisa/index

[18] S. Mulyani and R. Novita, “IMPLEMENTATION OF THE NAIVE BAYES CLASSIFIER ALGORITHM FOR CLASSIFICATION OF COMMUNITY SENTIMENT ABOUT DEPRESSION ON YOUTUBE,” Jurnal Teknik Informatika (Jutif), vol. 3, no. 5, pp. 1355–1361, Oct. 2022, doi: 10.20884/1.jutif.2022.3.5.374.

[19] A. I. Tanggraeni and M. N. N. Sitokdana, “Analisis Sentimen Aplikasi E-Government Pada Google Play Menggunakan Algoritma Naïve Bayes,” vol. 9, no. 2, pp. 785–795, 2022.

[20] M. Jonathan and Y. Nataliani, “Analisis Sentimen Penilaian Masyarakat Indonesia terhadap GeNose pada Komentar Youtube Menggunakan Metode Naïve Bayes.” [Online]. Available: https://ejournal.unsrat.ac.id/index.php/decartesian

[21] D. Nasien et al., “Perbandingan Implementasi Machine Learning Menggunakan Metode KNN, Naive Bayes, Dan Logistik Regression Untuk Mengklasifikasi Penyakit Diabetes,” 2024.