Analisis Sentimen Komentar Youtube Masterchef Indonesia  Menggunakan Algoritma Support Vector Machine dan Gaussian  Naïve Bayes

Dirgahayu Marganingsih; Hardian Oktavianto; Ginanjar Abdurrahman

doi:10.59395/jitp.v5i1.117

Authors

Dirgahayu Marganingsih Teknik Informatika, Fakultas Teknik, Universitas Muhammadiyah Jember
Hardian Oktavianto Teknik Informatika, Fakultas Teknik, Universitas Muhammadiyah Jember
Ginanjar Abdurrahman Teknik Informatika, Fakultas Teknik, Universitas Muhammadiyah Jember

DOI:

https://doi.org/10.59395/jitp.v5i1.117

Keywords:

sentiment analysis, Analisis Sentimen, Support Vector Machine, Gaussian Naïve Bayes

Abstract

Platform media sosial menjadi utama untuk berbagi informasi, termasuk platform berbasis video sharing seperti Youtube, yang menyediakan konten edukasi, informasi, dan hiburan bagi masyarakat. Salah satu konten yang banyak diminati adalah acara memasak yang diadaptasi dari Inggris, yaitu Masterchef Indonesia. Yang berjalan selama 11 musim dari tahun 2011 sampai 2023 dengan 260 episode. Namun, pada musim ke 11 episode grand final terdapat pro dan kontra tentang kemanangan peserta yang membuat publik terprovokasi dengan kehadiran calon presiden Ganjar Pranowo. Melalui fitur komentar, pengguna dapat menyampaikan pendapat dan tanggapan, yang kemudian dapat diinterpretasikan untuk memahami pandangan masyarakat. Penelitian ini bertujuan untuk menganalisis komentar yang bernilai positif dan negatif pada channel Masterchef Indonesia dengan algoritma Support Vector Machine dan Gaussian Naïve Bayes. Sebelum diterapkan teknik oversampling untuk penyeimbangan data, algoritma Support Vector Machine menghasilkan akurasi 82%, presisi 88%, dan recall 72%, sedangkan Gaussian Naïve Bayes menghasilkan akurasi 65%, presisi 52%, dan recall 81%. Setelah teknik oversampling diterapkan, performa Support Vector Machine meningkat dengan akurasi 85%, presisi 84%, dan recall 89%, sementara Gaussian Naïve Bayes memperoleh akurasi 72%, presisi 68%, dan recall 72%.

Downloads

Download data is not yet available.

References

Al-Areef, M. H., & Saputra S, K. (2023). Analisis Sentimen Pengguna Twitter Mengenai Calon Presiden Indonesia Tahun 2024 Menggunakan Algoritma LSTM. Jurnal SAINTIKOM (Jurnal Sains Manajemen Informatika Dan Komputer), 22(2), 270.

Gifari, O. I., Adha, M., Freddy, F., & Durrand, F. F. S. (2022). Analisis Sentimen Review Film Menggunakan TF-IDF dan Support Vector Machine. Journal of Information Technology, 2(1), 36–40.

Hudha, M., Supriyati, E., & Listyorini, T. (2022). Analisis Sentimen Pengguna Youtube Terhadap Tayangan #Matanajwamenantiterawan Dengan Metode Naïve Bayes Classifier. JIKO (Jurnal Informatika Dan Komputer), 5(1), 1–6.

Indra Pratama, J., Nilogiri, A., & Wardoyo, A. E. (2023). Klasifikasi Sentimen Terhadap Penyelenggaraan Haji Indonesia Tahun 2023 MelaluiMedia Sosial Twitter Menggunakan Teknik Balancing Dan Metode Gaussian Naïve Bayes. Jurnal Smart Teknologi, 5(1), 117–126.

Khodijah, S., Hayuningtyas UIN KHAS Jember, N., & Hayuningtyas, N. (2021). Komunikasi Media Sosial Perspektif Sosiolinguistik (Analisis Kode pada Program Master Chef Junior Indonesia di YouTube). Indonesian Journal of Islamic Communication, 4(2), 1–19.

Mualfah, D., Ramadhoni, Gunawan, R., & Mulyadipa Suratno, D. (2023). Analisis Sentimen Komentar YouTube TvOne Tentang Ustadz Abdul Somad Dideportasi Dari Singapura Menggunakan Algoritma SVM. Jurnal Fasilkom, 13(01), 72–80.

Naufal, Y., Putro, R., Afriansyah, A., & Bagaskara, R. (2024). Penggunaan Algoritma Gaussian Naïve Bayes & Decision Tree Untuk Klasifikasi Tingkat Kemenangan Pada Game Mobile Legends. 6(Mei), 10–26.

Rayuwati, Husna Gemasih, & Irma Nizar. (2022). IMPLEMENTASI AlGORITMA NAIVE BAYES UNTUK MEMPREDIKSI TINGKAT PENYEBARAN COVID. Jural Riset Rumpun Ilmu Teknik, 1(1), 38–46.

Syah, A. M. (2019). Pengaruh Dakwah Media Sosial Youtube terhadap Religiusitas Remaja di MA. Al-Muhtadi Sendangagun. Busyro: Jurnal Dakwah Dan Komunikasi Islam, 1(1), 20–36.

Tineges, R., Triayudi, A., & Sholihati, I. D. (2020). Analisis Sentimen Terhadap Layanan Indihome Berdasarkan Twitter Dengan Metode Klasifikasi Support Vector Machine (SVM). Jurnal Media Informatika Budidarma, 4(3), 650.

Valentini Siwabessy Peristiwari, R., Herdiani, A., & Romadhony, A. (2019). Analisis Sentimen Masyarakat Terhadap Hasil Kerja Petahana Dalam Kaitan Dengan Pemilihan Presiden tahun 2019 Pada Sosial Media Twitter Menggunakan Support Vector Machine (SVM). 6(2), 8625–8636.

Wijiyanto, W., Pradana, A. I., Sopingi, S., & Atina, V. (2024). Teknik K-Fold Cross Validation untuk Mengevaluasi Kinerja Mahasiswa. Jurnal Algoritma, 21(1), 239–248.