Opini Publik terhadap Isu Pengoplosan Pertamax di Youtube Menggunakan Metode Naive Bayes
https://doi.org/10.58466/aicoms.v4i2.1990
Kata Kunci:
Analisis Sentimen, Naive Bayes, Opini Publik, Pengoplosan Pertamax, SMOTE, YoutubeAbstrak
Penelitian ini bertujuan untuk mengeksplorasi pandangan publik terkait isu pengoplosan Pertamax yang ramai diperbincangkan di YouTube, dengan menggunakan teknik analisis sentimen berbasis algoritma Naive Bayes. Isu ini menarik perhatian masyarakat dan menjadi topik hangat yang banyak dibicarakan di media sosial, terutama di platform YouTube. Dalam penelitian ini, data yang dianalisis berasal dari komentar-komentar pengguna YouTube yang menanggapi isu tersebut. Algoritma Naive Bayes digunakan untuk mengkategorikan sentimen dalam komentar ke dalam tiga kategori: positif, negatif, dan netral. Untuk menangani ketidakseimbangan distribusi data, teknik Synthetic Minority Over-sampling Technique (SMOTE) diterapkan. Hasil penelitian menunjukkan bahwa sebelum penerapan SMOTE, akurasi model hanya mencapai 48%, dengan presisi 0,48, recall 0,36, dan skor F1 0,41 untuk kategori negatif, serta presisi 0,48, recall 0,56, dan skor F1 0,52 untuk kategori positif. Setelah penerapan SMOTE, akurasi meningkat signifikan menjadi 88%, dengan presisi 0,91, recall 0,93, dan skor F1 0,92 untuk kategori negatif. Untuk kategori positif, presisi meningkat menjadi 0,80, meskipun recall menurun menjadi 0,75, yang menghasilkan skor F1 sebesar 0,77. Rata-rata presisi, recall, dan F1 (rata-rata makro) setelah SMOTE mencapai 0,85, 0,84, dan 0,85, menunjukkan peningkatan yang signifikan dibandingkan sebelum penerapan SMOTE. Penelitian ini menegaskan pentingnya penggunaan SMOTE dalam meningkatkan akurasi analisis sentimen, khususnya dalam menangani masalah ketidakseimbangan kelas dalam data
Referensi
D. A. Ramadhanti, “Opini Publik terhadap Drama SBS Racket Boys di Media Sosial,” vol. 1, no. 11. 2021.
S. Mulyono, G. Gunawan, and B. Maryanti, “Pengaruh Penggunaan dan Perhitungan Efisiensi Bahan Bakar Premium dan Pertamax Terhadap Unjuk Kerja Motor Bakar Bensin,” JTT (Jurnal Teknol. Terpadu), vol. 2, no. 1, pp. 28–35, 2014, doi: 10.32487/jtt.v2i1.38.
A. Ridwan, “Penerapan Algoritma Naïve Bayes Untuk Klasifikasi Penyakit Diabetes Mellitus,” J. SISKOM-KB (Sistem Komput. dan Kecerdasan Buatan), vol. 4, no. 1, pp. 15–21, 2020, doi: 10.47970/siskom-kb.v4i1.169.
D. Abimanyu, E. Budianita, E. P. Cynthia, F. Yanto, and Y. Yusra, “Analisis Sentimen Akun Twitter Apex Legends Menggunakan VADER,” J. Nas. Komputasi dan Teknol. Inf., vol. 5, no. 3, pp. 423–431, 2022, doi: 10.32672/jnkti.v5i3.4382.
M. N. Muttaqin and I. Kharisudin, “Analisis Sentimen Pada Ulasan Aplikasi Gojek Menggunakan Metode Support Vector Machine dan K Nearest Neighbor,” UNNES J. Math., vol. 10, no. 2, pp. 22–27, 2021, [Online]. Available: http://journal.unnes.ac.id/sju/index.php/ujm
Friska Aditia Indriyani, Ahmad Fauzi, and Sutan Faisal, “Analisis sentimen aplikasi tiktok menggunakan algoritma naïve bayes dan support vector machine,” TEKNOSAINS J. Sains, Teknol. dan Inform., vol. 10, no. 2, pp. 176–184, 2023, doi: 10.37373/tekno.v10i2.419.
A. Y. Simanjuntak, I. S. S. Simatupang, and Anita, “Implementasi Data Mining Menggunakan Metode Naïve Bayes Classifier Untuk Data Kenaikan Pangkat Dinas,” J. Sci. Soc. Res., vol. 4307, no. 1, pp. 85–91, 2022.
R. Vincent, I. Maulana, and O. Komarudin, “Perbandingan Klasifikasi Naive Bayes Dan Support Vector Machine Dalam Analisis Sentimen Dengan Multiclass Di Twitter,” JATI (Jurnal Mhs. Tek. Inform., vol. 7, no. 4, pp. 2496–2505, 2024, doi: 10.36040/jati.v7i4.7152.
O. V. Putra, T. Harmini, and A. Saroji, “Outlier Detection On Graduation Data Of Darussalam Gontor University Using One-Class Support Vector Machine,” Procedia Eng. Life Sci., vol. 2, no. 2, pp. 89–92, 2021, doi: 10.21070/pels.v2i0.1139.
N. P. Y. T. WIJAYANTI, E. N. KENCANA, and I. W. SUMARJAYA, “Smote: Potensi Dan Kekurangannya Pada Survei,” E-Jurnal Mat., vol. 10, no. 4, p. 235, 2021, doi: 10.24843/mtk.2021.v10.i04.p348.
I. D. Id, MACHINE LEARNING : Teori, Studi Kasus dan Implementasi Menggunakan Python. Unri Press. [Online]. Available: https://books.google.co.id/books?id=JvBPEAAAQBAJ
H. I. Putra Ganda Dewata1, Azzar Rizky2, “Jurnal Rein,” Anal. Sentimen Terhadap Boikot Prod. Isr. Menggunakan Algoritm. Naive Bayes Dan SMOTE, vol. 1, no. 1, pp. 16–21, 2024.
D. Darmanto, N. I. Pradasari, and E. Wahyudi, “Sistem Deteksi Plagiarisme Tugas Akhir Mahasiswa Berbasis Natural Language Pro-cessing Menggunakan Algoritma Jaro-Winkler dan TF-IDF,” Smart Comp: Jurnalnya Orang Pintar Komputer, vol. 13, no. 1, pp. 201–211, 2024.
##submission.downloads##
Diterbitkan
Cara Mengutip
Terbitan
Bagian
Lisensi
Hak Cipta (c) 2025 Adikara Alif Nurrahman, Earlando Moza , Ramanda Md, Muhamad Rizvi Roshan , Ahmad Rizky , Hafiz Irsyad
Artikel ini berlisensiCreative Commons Attribution-NonCommercial-ShareAlike 4.0 International License.
