ANALISIS SENTIMEN TERHADAP ACARA RUANGGURU CLASH OF CHAMPIONS (COC) DENGAN ALGORITMA NAÏVE BAYES CLASSIFIER

Muhammad Rizki Arya Rifai; Betha Nurina Sari; Garno

doi:10.23960/jitet.v13i3.7112

Authors

Muhammad Rizki Arya Rifai Universitas Singaperbangsa Karawang
Betha Nurina Sari Universitas Singaperbangsa Karawang
Garno Universitas Singaperbangsa Karawang

DOI:

https://doi.org/10.23960/jitet.v13i3.7112

Abstract Views: 112 File Views: 61

Keywords:

Sentiment Analysis, Youtube, Ruangguru Clash of Champions, Naïve Bayes Classifier

Abstract

Pertumbuhan media sosial seperti YouTube menjadi sumber data penting untuk melihat opini publik terhadap suatu konten, termasuk program edukatif. Penelitian ini bertujuan untuk menganalisis sentimen publik terhadap acara Ruangguru Clash of Champions (COC) melalui komentar di YouTube dengan menggunakan algoritma Naïve Bayes Classifier. Proses analisis melalui tahapan Knowledge Discovery in Database (KDD) yang meliputi: pemilihan data, pra-pemrosesan, transformasi, data mining, dan interpretasi. Komentar yang digunakan berasal dari episode pertama acara COC, diambil dalam rentang waktu 29 Juni hingga 31 Desember 2024. Data diberi label sentimen positif, negatif, dan netral, menggunakan metode leksikon. Transformasi data dilakukan dengan metode TF-IDF yang sudah dituning untuk menghasilkan fitur yang relevan. Selanjutnya klasifikasi sentimen dilakukan menggunakan algoritma Multinomial Naïve Bayes dan divalidasi menggunakan teknik 10-fold cross-validation. Hasil evaluasi melalui Confusion Matrix menunjukkan rata-rata 10 kali lipat dengan nilai akurasi sebesar 70,55%, presisi 74,75%, recall 62,36%, dan f1-score 64,38%. Penelitian ini memberikan gambaran persepsi masyarakat terhadap acara COC dan dapat menjadi bahan evaluasi untuk meningkatkan kualitas program edukatif ke depan.

Downloads

Download data is not yet available.

References

R. F. Alhujaili and W. M. S. Yafooz, “Sentiment Analysis for Youtube Videos with User Comments: Review,” Proc. - Int. Conf. Artif. Intell. Smart Syst. ICAIS 2021, pp. 814–820, 2021, doi: 10.1109/ICAIS50930.2021.9396049.

L. Lesmana, Mukrodin, and F. Nabyla, “Analisis Sentimen Pengguna Twitter PPDB Menggunakan Algoritma Multinominal Naive Bayes,” J. Sist. Inf. dan Teknol. Perad., vol. 1, no. 1, 2020, [Online]. Available: https://journal.peradaban.ac.id/index.php/jsitp/article/view/604

V. A. Fitri, R. Andreswari, and M. A. Hasibuan, “Sentiment analysis of social media Twitter with case of Anti-LGBT campaign in Indonesia using Naïve Bayes, decision tree, and random forest algorithm,” Procedia Comput. Sci., vol. 161, pp. 765–772, 2019, doi: 10.1016/j.procs.2019.11.181.

D. F. Zhafira, B. Rahayudi, and I. Indriati, “Analisis Sentimen Kebijakan Kampus Merdeka Menggunakan Naive Bayes dan Pembobotan TF-IDF Berdasarkan Komentar pada Youtube,” J. Sist. Informasi, Teknol. Informasi, dan Edukasi Sist. Inf., vol. 2, no. 1, pp. 55–63, 2021, doi: 10.25126/justsi.v2i1.24.

M. Yasir and R. Suraji, “Perbandingan Metode Klasifikasi Naive Bayes, Decision, Tree, Random Forest Terhadap Analisis Sentimen Kenaikan Biaya Haji 2023 pada Media Sosial Youtube,” J. Cahaya Mandalika, vol. 3, no. 2, pp. 180–192, 2023.

P. Nandwani and R. Verma, “A review on sentiment analysis and emotion detection from text,” Soc. Netw. Anal. Min., vol. 11, no. 1, pp. 1–19, 2021, doi: 10.1007/s13278-021-00776-6.

Q. A. Chairunnisa, Y. Herdiyeni, M. Kusuma, D. Hardhienata, and J. Adisantoso, “Analisis Sentimen Pengguna Twitter Terhadap Program Vaksinasi Covid-19 di Indonesia Menggunakan Algoritme Support Vector Machine Sentiment Analysis of Twitter Users on COVID-19 Vaccination Program in Indonesia using Support Vector Machine Algorithm,” J. Ilmu Komput. dan Agri-Komputer, vol. 9, no. 1, p. 79, 2022, [Online]. Available: http://journal.ipb.ac.id/index.php/jika

A. Khusnul Khotimah, “Analisis Sentimen Terhadap Kualitas Pelayanan,” JATI (Jurnal Mhs. Tek. Inform., vol. 8, no. 3, pp. 3044–3048, 2024, doi: 10.36040/jati.v8i3.9520.

W. Astuti, R. Kurniawan, and Y. A. Wijaya, “Analisis Data Sentimen Ulasan Aplikasi Dana di Google Play Store Menggunakan Algoritma Naïve Bayes,” J. Inform. dan Rekayasa Perangkat Lunak, vol. 6, no. 1, pp. 158–163, 2024, doi: http://dx.doi.org/10.36499/jinrpl.v6i1.10272.

Wartumi, R. Kurniawan, and A. Y. Wijaya, “Analisis Data Sentimen Ulasan Pengguna Aplikasi Shopee di Google Play Store dengan Klasifikasi Algoritma Naïve Bayes,” J. Inform. dan Rekayasa Perangkat Lunak, vol. 6, no. 1, pp. 164–170, 2024.

I. Y. Yudo Bismo Utomo, Iin Kurniasari, “Penerapan Knowledge Discovery in Database,” J. Tek. Inform. Kaputama, vol. 7, no. 1, 2023.

L. Muhamad, A. Arrozi, A. Y. Rahman, R. P. Putra, U. W. Malang, and K. Malang, “Klasifikasi tingkat tutur bahasa sasak berbasis teks menggunakan naïve bayes,” vol. 12, no. 3, 2024.

F. S. Pamungkas and I. Kharisudin, “Analisis Sentimen dengan SVM, NAIVE BAYES dan KNN untuk Studi Tanggapan Masyarakat Indonesia Terhadap Pandemi Covid-19 pada Media Sosial Twitter,” Pros. Semin. Nas. Mat., vol. 4, pp. 1–7, 2021, [Online]. Available: https://journal.unnes.ac.id/sju/prisma/article/view/45038

D. Atika, A. Ari Aldino, S. Informasi, J. Pagar Alam No, L. Ratu, and K. Kedaton, “Term Frequency-Inverse Document Frequency Support Vector Machine Untuk Analisis Sentimen Opini Masyarakat Terhadap Tekanan Mental Pada Media Sosial Twitter,” J. Teknol. dan Sist. Inf., vol. 3, no. 4, p. page-page, 2022, [Online]. Available: http://jim.teknokrat.ac.id/index.php/JTSI

C. A. Salsabila, F. Yulianto, and T. A. Y. Siswa, “IMPLEMENTASI METODE NAIVE BAYES UNTUK KLASIFIKASI KECELAKAAN LALU LINTAS DI KOTA SAMARINDA,” J. Inform. dan Tek. Elektro Terap., vol. 13, no. 1, Jan. 2025, doi: 10.23960/jitet.v13i1.5890.

R. R. R. Arisandi, B. Warsito, and A. R. Hakim, “Aplikasi Naïve Bayes Classifier (Nbc) Pada Klasifikasi Status Gizi Balita Stunting Dengan Pengujian K-Fold Cross Validation,” J. Gaussian, vol. 11, no. 1, pp. 130–139, 2022, doi: 10.14710/j.gauss.v11i1.33991.

Z. A. Sriyanti, D. S. Y. Kartika, and A. R. E. Najaf, “Implementasi Model Bert Pada Analisis Sentimen Pengguna Twitter Terhadap Aksi Boikot Produk Israel,” J. Inform. dan Tek. Elektro Terap., vol. 12, no. 3, pp. 2335–2342, 2024, doi: 10.23960/jitet.v12i3.4743.

E. A. Pratama, C. M. Hellyana, and N. I. Fadlilah, “Perbandingan 3 Algoritma Klasifikasi Data Mining Dalam Pro-Kontra Bahaya Rokok Elektrik,” J. Teknoinfo, vol. 16, no. 1, p. 93, 2022, doi: 10.33365/jti.v16i1.1534.

M. Jamil, H. Hadiyanto, and R. Sanjaya, “Sentiment Analysis: Classifying Public Comments on YouTube in Disaster Management Simulation in Indonesia Using Naïve Bayes and Support Vector Machine,” Ingénierie des systèmes d Inf., vol. 29, no. 2, pp. 437–446, Apr. 2024, doi: 10.18280/isi.290205.