Analisis Sentimen Komentar Pada Saluran Youtube Food Vlogger Berbahasa Indonesia Menggunakan Algoritma Naïve Bayes
DOI:
https://doi.org/10.34818/eoe.v8i6.16897Abstract
Saat ini YouTube merupakan salah satu media sosial yang paling populer. Youtube merupakan media sosial yang dapat digunakan untuk mengirim, melihat dan membagikan video. Pengguna YouTube yang menonton video YouTube dapat menyampaikan opininya melalui kolom komentar pada YouTube. Komentar yang disampaikan dapat digunakan sebagai analisis pada video YouTube tersebut. Dari analisis ini dapat dijadikan sebagai tolak ukur terhadap video yang dibuat untuk mendapatkan feedback dari penonton, positif atau negatif. Untuk mengatasi permasalahan klasifikasi komentar pengguna YouTube maka dirancang sebuah sistem analisis komentar berdasarkan filter YouTube dengan algoritma Naïve Bayes. Sistem analisis komentar pada YouTube yang dibuat akan menghasilkan klasifikasi dari komentar-komentar pengguna YouTube dengan kategori positif dan negatif. Sistem ini diharapkan dapat menjadi bahan evaluasi para pembuat konten untuk meningkatkan kualitas dari saluran YouTubenya. Dari model yang telah dibuat dengan data komentar sebanyak 1702 komentar yang terdiri dari 848 data positif dan 854 data negatif, didapatkan hasil akurasi 90.60% dengan perbandingan data testing dan training 30:70. Kata Kunci: Analisis Sentimen, Klasifikasi Teks, Naïve BayesReferences
[1] D. Novianty, “YouTube Rajai Media Sosial di Indonesia.”
https://www.suara.com/tekno/2021/02/15/153000/youtube-rajai-media-sosial-di-indonesia (accessed
Nov. 05, 2020).
[2] Linguamatics, “What is Text Mining, Text Analytics and Natural Language Processing? Linguamatics.”
https://www.linguamatics.com/what-text-mining-text-analytics-and-natural-language-processing
(accessed Nov. 27, 2020).
[3] M. Ibad, “ANALISIS SENTIMEN POSITIF DAN NEGATIF KOMENTAR VIDEO YOUTUBE
MENGGUNAKAN METODE NAÏVE BAYES – SUPPORT VECTOR MACHINE (NBSVM)
CLASSIFIER,” p. 2, 2016.
[4] F. Koto and G. Y. Rahmaningtyas, “Inset lexicon: Evaluation of a word list for Indonesian sentiment
analysis in microblogs,” Proc. 2017 Int. Conf. Asian Lang. Process. IALP 2017, vol. 2018-Janua, no.
December, pp. 391–394, 2018, doi: 10.1109/IALP.2017.8300625.
[5] P. Y. Saputra, D. H. Subhi, and F. Z. A. Winatama, “Implementasi Sentimen Analisis Komentar Channel
Video Pelayanan Pemerintah Di Youtube Menggunakan Algoritma Naïve Bayes,” J. Inform. Polinema,
vol. 5, no. 4, pp. 209–213, 2019, doi: 10.33795/jip.v5i4.259.
[6] “YouTube Data API | Google Developers.” https://developers.google.com/youtube/v3 (accessed Oct.
15, 2020).
[7] E. Hariyadi, “Membuat Proyek Pertama di Heroku - Codepolitan.”
https://www.codepolitan.com/membuat-proyek-pertama-heroku-58b872c6217eb (accessed Oct. 15,
2020).
[8] Stackabuse, “Introduction to Web Scraping with Python.” https://stackabuse.com/introduction-to-webscraping-with-python/ (accessed Nov. 29, 2020).
[9] W. Scott, “TF-IDF from scratch in python on real world dataset. | by William Scott | Towards Data
Science.” https://towardsdatascience.com/tf-idf-for-document-ranking-from-scratch-in-python-on-realworld-dataset-796d339a4089 (accessed Nov. 20, 2020).
[10] D. Rizkia, H. Tiasari, I. Asror, Y. R. Murti, and M. Kom, “Analisis Sentimen Mengenai Performansi
Saluran YouTube dengan Metode Naïve Bayes.”
