Analisis Sentimen Penilaian Masyarakat Terhadap Childfree Berdasarkan Komentar di Youtube Menggunakan Algoritma Naïve Bayes
Abstract
YouTube merupakan jejaring sosial tempat pengguna dapat menonton video yang telah diunggah dan memiliki panjang durasi tertentu dalam berbagai genre. Salah satu acara YouTube yang masih menjadi trending saat ini adalah childfree. Childfree adalah perjanjian sepasang kekasih, atau antara suami dan istri, untuk tidak memiliki anak selama pernikahan mereka. Dunia maya, yang begitu bebas dan sulit diatur, memberi kesan kepada setiap orang bahwa mereka memiliki pendapat atau pandangan mereka sendiri tentang masalah childfree, yang menghasilkan banyak opini publik, baik yang positif maupun negatif. Tujuan analisis sentimen adalah untuk menentukan respon audiens terhadap masalah Childfree, mengidentifikasi dan mengklasifikasikan polaritas suatu teks untuk menentukan apakah suatu dokumen memiliki nilai positif atau negatif menurut kategori tertentu. Teknik pembelajaran analisis sentimen adalah Naïve Bayes Classifer dan pengujian data menggunakan confusion matrix yang ada pada tools orange. Hasil dari reaksi orang terhadap childfree tergolong negatif dengan hasil persentase 97% pada akurasi (accuration), 98% pada nilai precision, dan tingkat keberhasilan (recall) 96%. Berdasarkan nilai tersebut membuktikan sentimen penilaian masyarakat terhadap childfree berdasarkan komentar di YouTube tergolong negatif. Untuk penelitian selanjutnya, lebih bagus apabila peneliti mengambil komentar YouTube dari luar negeri seperti Jepang, Tiongkok, dan negara Arab Saudi. Dierkomendasikan juga untuk menggunakan algoritma lain untuk menganalisis sentimen, seperti algoritma SVM dan algoritma K-Nearest Neighbor.
Full Text:
PDFReferences
Agama, I., Negeri, I., & Ponorogo, I. (2022). Childfree Dalam Skripsi.
Ahmad, M. R. S. A., Syukur, M., Nisa, K., Putra Satria Mu, M., & Fadhilah Kadir, N. (2023). Dampak Pelabelan Terhadap Motivasi Belajar Siswa Impact of labeling on student motivation. Comaserva: Jurnal Penelitian Dan Pengabdian Masyarakat, 3(1), 313–318. https://doi.org/10.59141/comserva.v3i1.756
Aji Prasetya Wibawa, Muhammad Guntur Aji Purnama, Muhammad Fathony Akbar, F. A. D. (2018). Metode-metode Klasifikasi. Prosiding Seminar Ilmu Komputer Dan Teknologi Informasi, 3(1), 134.
Arsi, P., & Waluyo, R. (2021). Analisis Sentimen Wacana Pemindahan Ibu Kota Indonesia Menggunakan Algoritma Support Vector Machine (SVM). Jurnal Teknologi Informasi Dan Ilmu Komputer, 8(1), 147. https://doi.org/10.25126/jtiik.0813944
Buana, U. M., Khusus, D., & Jakarta, I. (2023). Analisis Topik dan Perbandingan Klasifikasi pada Kolom Komentar Video Youtube Edukasi Indonesia Menggunakan Pendekatan Latent Dirichlet Allocation. 05(03), 7418–7429.
Darwis, D., Siskawati, N., & Abidin, Z. (2021). Penerapan Algoritma Naive Bayes Untuk Analisis Sentimen Review Data Twitter Bmkg Nasional. Jurnal Tekno Kompak, 15(1), 131. https://doi.org/10.33365/jtk.v15i1.744
Fadhilah, E. (2022). Childfree Dalam Pandangan Islam. Al-Mawarid Jurnal Syariah Dan Hukum (JSYH), 3(2), 71–80. https://doi.org/10.20885/mawarid.vol3.iss2.art1
Hadinata, N., & Kurniawan, K. (2020). Analisis Pola Pembelian Produk Makanan Ringan Menggunakan Algoritma Apriori. Jurnal Sisfokom (Sistem Informasi Dan Komputer), 9(1), 1–7. https://doi.org/10.32736/sisfokom.v9i1.623
Halim, M. (2018). Pembuatan Aplikasi Pendukung Keputusan Beasiswa Tidak Mampu Dengan Metode Naive Bayes. JSAI (Journal Scientific and Applied Informatics), 1(1), 24–31. https://doi.org/10.36085/jsai.v1i1.6
Harpizon, H. A. R., Kurniawan, R., Iwan Iskandar, Salambue, R., Budianita, E., & Syafria, F. (2022). Analisis Sentimen Komentar Di YouTube Tentang Ceramah Ustadz Abdul Somad Menggunakan Algoritma Naïve Bayes. … Di YouTube …, 5(1), 131–140. http://repository.uin-suska.ac.id/59746/
Kurniawan, M. A., Jalan, M. T., Transportasi, P., Bali, D., Samsam, D., Keselamatan, M., Jalan, T., Keselamatan, P., & Jalan, T. (2020). Tingkat ketertarikan masyarakat terhadap transportasi online, angkutan pribadi dan angkutan umum berdasarkan persepsi. 1(2), 51–58.
Liu, B. (2010). Analisis Sentimen dan Subjektivitas. 1–38.
Najjichah, H., Syukur, A., & Subagyo, H. (2019). Pengaruh Text Preprocessing Dan Kombinasinya Pada Peringkas Dokumen Otomatis Teks Berbahasa Indonesia. Jurnal Teknologi Informasi, XV(1), 1–11.
Nurhafida, S. I., & Sembiring, F. (2021). Analisis Text Clustering Masyarakat Di Twiter Mengenai Mcdonald’s xbts Menggunakan Orange Data Mining. 28–35.
Nurtikasari, Y., Syariful Alam, & Teguh Iman Hermanto. (2022). Analisis Sentimen Opini Masyarakat Terhadap Film Pada Platform Twitter Menggunakan Algoritma Naive Bayes. INSOLOGI: Jurnal Sains Dan Teknologi, 1(4), 411–423. https://doi.org/10.55123/insologi.v1i4.770
Rachman, R., & Handayani, R. N. (2021). Klasifikasi Algoritma Naive Bayes Dalam Memprediksi Tingkat Kelancaran Pembayaran Sewa Teras UMKM. Jurnal Informatika, 8(2), 111–122. https://doi.org/10.31294/ji.v8i2.10494
Simanjuntak, A. Y., Simatupang, I. S. E. S., & Anita, A. (2022). Implementasi Data Mining Menggunakan Metode NaãVe Bayes Classifier Untuk Data Kenaikan Pangkat Dinas Ketenagakerjaan Kota Medan. Journal of Science and Social Research, 5(1), 85. https://doi.org/10.54314/jssr.v5i1.804
Wiguna, R. A. raffaidy, & Rifai, A. I. (2021). Analisis Text Clustering Masyarakat Di Twitter Mengenai Omnibus Law Menggunakan Orange Data Mining. Journal of Information Systems and Informatics, 3(1), 1–12. https://doi.org/10.33557/journalisi.v3i1.78
DOI: https://doi.org/10.37012/jtik.v9i2.1661
Refbacks
- There are currently no refbacks.
Copyright (c) 2023 Febriyanti Syofiani, Syariful Alam, M. Imam Sulistyo S
This work is licensed under a Creative Commons Attribution 4.0 International License.
Address:
Universitas Mohammad Husni Thamrin
Jl. Raya Pd. Gede No.23-25, RT.2/RW.1, Dukuh, Kec. Kramat jati, Kota Jakarta Timur, Daerah Khusus Ibukota Jakarta 13550
Jurnal Teknologi Informatika & Komputer Mohammad Husni Thamrin is licensed under a Creative Commons Attribution 4.0 International License.