Penerapan Sentimen Analisis Melalui Data Komentar Pada Kanal Youtube Untuk Mengetahui Wisata Kuliner Pada Kota Bandung Menggunakan Metode Klasifikasi Naive Bayes
Abstract
Abstrak — Analisis data sentimen dilakukan untuk
mendapatkan hasil berupa opini atau pendapat masyarakat
tentang suatu hal. di penelitian ini peneliti menggunakan
metode Naive Bayes dalam menganalisa data sentimen kuliner
di kota bandung, yang bertujuan untuk membantu pemerintah
dapat mengetahui reputasi kuliner dan merekomendasikannya
pada wisatawan yang ada di kota Bandung. Data yang
digunakan dalam penelitian ini berupa komentar - komentar
terkait kuliner kota Bandung yang ada di kanal youtube
tanboykun. pengambilan media sosial youtube dikarenakan
youtube merupakan salah satu media sosial yang sering
digunakan oleh masyarakat untuk penyebaran informasi
terutama rekomendasi rekomendasi kuliner. Dalam penelitian
ini demi menunjang algoritma Naive Bayes adapun prosesproses yang dijalankan sebelum ke tahap klasifikasi,
diantaranya yaitu Case folding, Tokenizing, Stopword
Removal, dan TF IDF. setelah dilakukannya pengoptimalan
menggunakan K Fold, namun hasil dari K Fold sendiri dapat
dikatakan kurang bagus dikarenakan hasil akurasi yang
didapatkan lebih kecil dibandingkan dengan hasil model Naive
Bayes sendiri. Hasil yang didapatkan dari model Naive Bayes
sendiri dengan menggunakan partisi dataset pertama dengan
rasio 70 data training dan 30 data testing didapatkan hasil
akurasi sebesar 89,74% dan rata-rata classification report
dataset pertama sebesar 95% precision, 56% recall, dan F1-
score 57%.
Kata kunci— Naive Bayes, Analisis Sentimen, K Fold, TF
IDF, Klasifikasi kuliner bandung, Youtube
References
Anida, N. Sistem Klasifikasi Soal Pilihan Ganda
Berdasarkan Proporsi Tingkat Kesukaran Dengan
Menggunakan Metode Bayes. Malang, 2013
Hidayatullah, A. F., & Maarif, M. R., Penerapan
Text Mining dalam Klasifikasi Judul Skripsi, 2016
Melita, R., Amrizal, V., Suseno, H. B., & Dirjam, T.
(2018). Penerapan Metode Term Frequency Inverse
Document Frequency (TF-IDF) Dan Cosine
Similarity Pada Sistem Teme Kembali Informasi.
Jurnal Teknik Informatika Vol 11 No. 2, 5
Melita, R., Amrizal, V., Suseno, H. B., & Dirjam, T.
(2018). Penerapan Metode Term Frequency Inverse
Document Frequency (TF-IDF) Dan Cosine
Similarity Pada Sistem Teme Kembali Informasi.
Jurnal Teknik Informatika Vol 11 No. 2, 5
Saksono, N. D., Sari, Y. A., & Dewi, R. K. (2018).
Rekomendasi Lokasi Wisata Kuliner Menggunakan
Metode K-Means Clustering Dan Simple Additive
Weighting. Jurnal Teknologi 2(No.10).
Syarifuddin, D. (2011, May 28). Menakjubkan
Pengunjung Video Streaming YouTube Capai 3
Milyar Perhari. From JagatReview.com:
https://www.jagatreview.com/2011/05/menakjubka
n-pengunjungvideo-streaming-youtube-capai-3-
miliar-perhari/
Yasar, A. (2019). Performance Analysis of ANN
and Naive Bayes Classification Algorithm for Data
Classification. international Journal ofIntelligent
Systems and Applications in Engineering, 3.
Khalid, M. Y. (2019). Intermediate Python.
Herdhianto A.(2020), Sentiment analysis
menggunakan Naive Bayes Classifier (NBC) PADA
tweet tentang zakat
Thomas S., Yuliana., Noviyanti P. (2021), Studi
Analisis Metode Analisis Sentimen pada YouTube
Mujaddid I. F., Trifebi S. S., Yufiz A. (2020),
Perbandingan Metode Na__ve Bayes dan Support
Vector Machine pada Analisis Sentimen Twitter
Maharani T. A. (2018), STRATEGI
KOMUNIKASI DALAM MEMPROMOSIKAN
KOTA BANDUNG PROVINSI JAWA BARAT
SEBAGAI DESTINASI WISATA KULINER
Rizky D., Safrina A. (2022), Perbandingan Hasil
Sentimen Analysis Menggunakan Algoritma Na__ve
Bayes dan K-Nearest Neighbor pada Twitter.
Fatty F., Muh N., Andi S. A. (2016) ,YOUTUBE
SEBAGAI SARANA KOMUNIKASI BAGI
KOMUNITAS MAKASSARVIDGRAM.
Fransiska V. S., Arief W. (2019),
ANALISIS SENTIMEN PELANGGAN TOKO
ONLINE JD.ID MENGGUNAKAN METODE
NAIVE BAYES CLASSIFIER BERBASIS KONVERSI IKON EMOSI
