Analisis Sentimen Vtuber Hololive Indonesia Sebagai Tren Hiburan Digital Menggunakan Naïve Bayes Dan Support Vektor Machine

Penulis

Abstrak

Virtual YouTuber (VTuber) telah menjadi industri hiburan digital dengan signifikansi budaya dan ekonomi yang kuat, salah satunya diwakili oleh Hololive  Indonesia (HoloID). Namun, dibalik pertumbuhan pesat dan interaksi penggemar yang masif, seringkali muncul polarisasi  opini publik yang tajam, sehingga pemahaman yang terukur mengenai sentimen audiens menjadi krusial bagi manajemen citra dan strategi konten. Penelitian ini bertujuan untuk menganalisis sentimen publik terhadap HoloID di media sosial (YouTube dan Twitter) serta mengevaluasi dan membandingkan performa algoritma Naïve Bayes dan Support Vector Machine (SVM) dalam tugas klasifikasi tersebut. Data diperoleh melalui crawling dan scraping, diikuti pre-processing untuk pembersihan dan penyesuaian data. Proses labeling dilakukan semi-otomatis menggunakan SenticNet, mengklasifikasikan sentimen menjadi positif dan negatif. Sentimen netral dihilangkan dari dataset akhir untuk memfokuskan analisis pada dua kutub opini utama. Dataset dibagi 80% untuk data latih dan 20% untuk data uji, serta dievaluasi dengan 10-fold cross-validation. Hasil evaluasi  menunjukkan akurasi model Naïve Bayes tanpa SMOTE adalah 0.8022, dan dengan SMOTE 0.7997. Sementara itu, akurasi model SVM tanpa SMOTE mencapai 0.8980, dan dengan SMOTE 0.8926. Rata-rata 10-fold cross-validation menunjukkan akurasi tertinggi pada SVM tanpa SMOTE (0.9040), menjadikannya model terbaik dalam penelitian ini.

Kata kunci— Analisis Sentimen, Naïve Bayes, Support Vektor Machine

Unduhan

Data unduhan tidak tersedia.

Referensi

[1] Z. A. Sadiq, A. Susanti, and Muhammadiyah, “Analisis Media Siber Pada Siaran Langsung Youtuber Ayunda Risu,” no. 49, 2022.

[2] O. N. Tambunan, “Factors in the Growth of Vtuber Livestreaming Entertainment Phenomenon in Japanese Society,” vol. 2, no. 1, 2023.

[3] Akdeas Oktanae Widodo, F. Septiadi, and Nur Aini Rakhmawati, “Analisis Tren Konten Pada Vtuber Indonesia Menggunakan Latent Dirichlet Allocation,” J. Inform. dan Rekayasa Elektron., vol. 6, no. 1, pp. 56–63, 2023, doi: 10.36595/jire.v6i1.718.

[4] D. R. Puspitaningrum and A. Prasetio, “Fenomena ‘Virtual Youtuber’ Kizuna Ai di Kalangan Penggemar Budaya Populer Jepang di Indonesia,” Mediat. J. Komun., vol. 12, no. 2, pp. 128–140, 2019, doi: 10.29313/mediator.v12i2.4758.

[5] Normah, B. Rifai, S. Vambudi, and R. Maulana, “Analisa Sentimen Perkembangan Vtuber Dengan Metode Support Vector Machine Berbasis SMOTE,” J. Tek. Komput. AMIK BSI, vol. 8, no. 2, pp. 174–180, 2022, doi: 10.31294/jtk.v4i2.

[6] D. Purnamasari et al., Pengantar Metode Analisis Sentimen. 2023.

[7] S. Khairunnisa, A. Adiwijaya, and S. Al Faraby, “Pengaruh Text Preprocessing terhadap Analisis Sentimen Komentar Masyarakat pada Media Sosial Twitter (Studi Kasus Pandemi COVID-19),” J. Media Inform. Budidarma, vol. 5, no. 2, p. 406, 2021, doi: 10.30865/mib.v5i2.2835.

[8] W. Widayat, “Analisis Sentimen Movie Review menggunakan Word2Vec dan metode LSTM Deep Learning,” J. Media Inform. Budidarma, vol. 5, no. 3, p. 1018, 2021, doi: 10.30865/mib.v5i3.3111.

[9] M. Reyus Liman Prodi Perhotelan and S. Yapari Bandung, “Pengaruh Hololive Indonesia dalam Memperkenalkan Bahasa Indonesia Kepada Penonton Internasional,” vol. 1, no. 2, 2023.

[10] J. I. Adzania and A. Arianingsih, “Dampak Menonton Vtuber Terhadap Penggemar Budaya Populer Jepang Di Bandung,” MAHADAYA J. Bahasa, Sastra, dan Budaya, vol. 2, no. 2, pp. 267–278, 2022, doi: 10.34010/mhd.v2i2.8265.

[11] R. Nanda, E. Haerani, S. K. Gusti, and S. Ramadhani, “Klasifikasi Berita Menggunakan Metode Support Vector Machine,” J. Nas. Komputasi dan Teknol. Inf., vol. 5, no. 2, pp. 269–278, 2022, doi: 10.32672/jnkti.v5i2.4193.

[12] Y. A. Singgalen, “Pemilihan Metode dan Algoritma dalam Analisis Sentimen di Media Sosial : Sistematic Literature Review,” J. Inf. Syst. Informatics, vol. 3, no. 2, pp. 278–302, 2021, doi: 10.33557/journalisi.v3i2.125.

[13] I. Daqiqil, H. Saputra, Syamsudhuha, R. Kurniawan, and Y. Andriyani, “Sentiment analysis of student evaluation feedback using transformer-based language models,” Indones. J. Electr. Eng. Comput. Sci., vol. 36, no. 2, pp. 1127–1139, 2024, doi: 10.11591/ijeecs.v36.i2.pp1127-1139.

[14] A. Aulia, M. R. Tanjung, M. Iqbal, and R. F. Wijaya, “Implementasi Algoritma Naïve Bayes Dalam Menganalisis Jumlah Live Stream VTuber Skem,” Bull. Inf. Technol., vol. 4, no. 4, pp. 554–559, 2023, doi: 10.47065/bit.v4i4.899.

[15] S. Informasi, U. Darwan Ali, J. Batu Berlian, and K. Tengah, “Penerapan Metode Naive Bayes Dalam Mengklasifikasi Penerima BLT Pada Desa Pelangsian,” J. JUPITER, vol. 14, no. 2, pp. 64–70, 2022.

[16] K. V. S. Toy, Y. A. Sari, and I. Cholissodin, “Analisis Sentimen Twitter menggunakan Metode Naive Bayes dengan Relevance Frequency Feature Selection (Studi Kasus: Opini Masyarakat mengenai Kebijakan New Normal),” J. Pengemb. Teknol. Inf. dan Ilmu Komput., vol. 5, no. 11, pp. 5068–5074, 2021, [Online]. Available: http://j-ptiik.ub.ac.id

Diterbitkan

2025-12-01

Terbitan

Halaman

10168-10175

Bagian

Prodi S1 Teknik Informatika - Kampus Purwokerto

Cara Mengutip

Rianto Putra, F., Paradise, & Setiya Rafika Nur, Y. (2025). Analisis Sentimen Vtuber Hololive Indonesia Sebagai Tren Hiburan Digital Menggunakan Naïve Bayes Dan Support Vektor Machine. eProceedings of Engineering, 12(6), 10168-10175. https://openlibrarypublications.telkomuniversity.ac.id/index.php/engineering/article/view/28817