ANALISIS SENTIMEN PENGGUNA YOUTUBE TERHADAP ANIME SPY X FAMILY BAHASA INDONESIA MENGGUNAKAN NAÏVE BAYES
DOI:
https://doi.org/10.23960/jitet.v13i3.7362Abstract Views: 61 File Views: 31
Keywords:
Analisis Sentimen; Naïve Bayes; KDD; Youtube; Spy x FamilyAbstract
Penelitian ini bertujuan untuk menganalisis sentimen pada komentar pengguna YouTube terhadap anime Spy x Family Bahasa Indonesia di channel Muse Indonesia. Algoritma yang digunakan pada penelitian ini yaitu algoritma Naive Bayes yang berfungsi untuk mengoptimalkan klasifikasi sentimen berdasarkan komentar dari YouTube. Knowledge Discovery in Database (KDD) digunakan sebagai metodologi penelitian yang terdiri dari 6 proses yaitu Data Selection, Data Cleaning, Tokenizing, Normalization, Stemming, dan Stop-word Removal. Pada penelitian ini, algoritma Naive Bayes menghasilkan kinerja yang baik pada hasil evaluasinya. Hasil dari penelitian menerangkan bahwa algoritma Naive Bayes menunjukkan hasil yang cukup signifikan dengan sentimen 57,83% bersifat positif dan 42,17% bersifat negatif. Adapun hasil performa dari algoritma Naive Bayes dengan membandingkan tiga rasio (60:40, 70:30, 80:20) untuk data latih dan data uji menghasilkan akurasi yang tinggi. Rasio 80:20 menghasilkan nilai tertinggi dengan akurasi mencapai 86,03%, presisi 81,08%, recall 98,90%, dan F1-Score 89,11%. Hasil ini telah memberi gambaran bahwa sebagian besar pengguna YouTube yang menonton Spy x Family Bahasa Indonesia memberi respons positif terhadap kehadiran anime tersebut dengan versi dubbing Indonesia.
Downloads
References
M. Rizal et al., “Analisis Sentimen Pengguna Twitter (X) Terkait Film One Piece Menggunakan Metode Algoritma Naive Bayes,” Jurnal Sistem Informasi Kaputama (JSIK), vol. 8, no. 1, 2024.
A. De Wibowo Muhammad Sidik, I. Himawan Kusumah, A. Suryana, M. Artiyasa, and A. Pradiftha Junfithrana, “Gambaran Umum Metode Klasifikasi Data Mining,” vol. 2, no. 2, pp. 34–38, 2020.
D. Darwis, N. Siskawati, and Z. Abidin, “Penerapan Algoritma Naive Bayes untuk Analisis Sentimen Review Data Twitter BMKG Nasional,” vol. 15, no. 1.
M. Yasir and R. Suraji2, “Perbandingan Metode Klasifikasi Naïve Bayes, Decision Tree, Random Forest Terhadap Analisis Sentimen Kenaikan Biaya Haji 2023 Pada Media Sosial Youtube.”
C. F. Hasri and D. Alita, “Penerapan Metode Naïve Bayes Classifier Dan Support Vector Machine Pada Analisis Sentimen Terhadap Dampak Virus Corona Di Twitter”, Jurnal Informatika dan Rekayasa Perangkat Lunak (JATIKA), vol. 3, no. 2, pp. 145–160, 2022, [Online]. Available: http://jim.teknokrat.ac.id/index.php/informatika
M. Amien, “Sejarah dan Perkembangan Teknik Natural Language Processing (NLP) Bahasa Indonesia: Tinjauan tentang sejarah, perkembangan teknologi, dan aplikasi NLP dalam bahasa Indonesia,” Mar. 2023, [Online]. Available: http://arxiv.org/abs/2304.02746
D. A. Rahman, R. B. Waskitho, M. Fajrul, A. U. Nuha, and N. A. Rakhmawati, “Klasterisasi Topik Konten Channel Youtube Gaming Indonesia Menggunakan Latent Dirichlet Allocation.”
Y. Toi, “Kepopuleran dan Penerimaan Anime Jepang Di Indonesia,” Ayumi : Jurnal Budaya, Bahasa dan Sastra, vol. 7, no. 1, Jul. 2020, doi: 10.25139/ayumi.v7i1.2808.
I. Wickramasinghe and H. Kalutarage, “Naive Bayes: applications, variations and vulnerabilities: a review of literature with code snippets for implementation,” Soft comput, vol. 25, no. 3, pp. 2277–2293, Feb. 2021, doi: 10.1007/s00500-020-05297-6.
A. Setiawan and R. R. Suryono, “Analisis Sentimen Ibu Kota Nusantara menggunakan Algoritma Support Vector Machine dan Naïve Bayes,” Edumatic: Jurnal Pendidikan Informatika, vol. 8, no. 1, pp. 183–192, Jun. 2024, doi: 10.29408/edumatic.v8i1.25667.
F. Handayani, “Aplikasi Data Mining Menggunakan Algoritma K-Means Clustering untuk Mengelompokkan Mahasiswa Berdasarkan Gaya Belajar,” Jurnal Teknologi dan Informasi, doi: 10.34010/jati.v12i1.
A. Sitanggang, Y. Umaidah, Y. Umaidah, R. I. Adam, and R. I. Adam, “Analisis Sentimen Masyarakat Terhadap Program Makan Siang Gratis Pada Media Sosial X Menggunakan Algoritma Naïve Bayes,” Jurnal Informatika dan Teknik Elektro Terapan, vol. 12, no. 3, Aug. 2024, doi: 10.23960/jitet.v12i3.4902.
M. Bagas, D. Putra, and E. Setiawan, “Metode Lexicon Based Untuk Analisis Sentimen Pengguna Twitter Terhadap Kinerja Isp (Studi Kasus : Indihome, Biznet, Myrepublic),” 2024. [Online]. Available: http://dev.twitter.com
R. H. Muhammadi, T. G. Laksana, and A. B. Arifa, “Combination of Support Vector Machine and Lexicon-Based Algorithm in Twitter Sentiment Analysis,” 2022. [Online]. Available: https://github.com/evanmartua34/
I. S. Wibowo, A. Witanti, and I. Susilawati, “Keyword Extraction Judul Berita Online Di Indonesia Menggunakan Metode TF-IDF”, [Online]. Available: http://jurnal.mdp.ac.id
Downloads
Published
How to Cite
Issue
Section
License
Copyright (c) 2025 Jurnal Informatika dan Teknik Elektro Terapan
This work is licensed under a Creative Commons Attribution-NonCommercial 4.0 International License.
