ANALISIS SENTIMEN MASYARAKAT MENGENAI KASUS KEKUASAAN NARKOBA PADA KOMENTAR YOUTUBE MENGGUNAKAN METODE K-NEAREST NEIGHBOURS

Penulis

  • Dandy Firmansyah Fitrianto Sutrisno Universitas Budi Luhur
  • Sejati Waluyo Universitas Budi Luhur

Kata Kunci:

Text Mining, Youtube API, KNN, Countvectorizer, Confusion matrix

Abstrak

Sebagai salah satu media sosial yang popular di masyarakat Indonesia, platform Youtube menampilkan berbagai video seperti berita terkini. TvOneNews selalu memberikan dan menayangkan informasi yang sangat up to date. Seperti yang diketahui, informasi yang sedang hangat dibahas oleh TvOneNews mengenai maraknya kasus narkoba di indonesia, maka penulis tertarik untuk melakukan sebuah penelitian analisis sentimen masyarakat pada komentar kanal Youtube TvOneNews dengan video yang berjudul “Polisi Ungkap Jaringan Narkoba Internasional Terbesar Senilai 10 Triliun Rupiah”. Penelitian ini menggunakan metode K-Nearest Neighbours(KNN) untuk menentukan sentimen masyarakat positive atau negative. Sistem yang dibuat menerapkan fitur crawling melalui API Youtube untuk melakukan pengumpulan data komentar, menerapkan preprocessing, pembobotan value kata dengan countvectorizer, evaluasi pengujian akhir dengan metode confusion matrix. Data yang terkumpul dari proses crawling sebanyak 2695 komentar, setelah melalui tahap preprocessing menjadi 608 komentar, lalu data dibagi menjadi data train dan data test dengan perbandingan 90:10. Hasil yang didapatkan dalam pengujian akhir menggunakan confusion matrix, hasil terbaik dengan nilai k=5 mendapat nilai accuracy 85.25%, precision 30.0%, recall 60.0%, f1-score 40.0%. sedangkan nilai pengujian terendah terdapat pada nilai k = 11 yaitu accuracy 83.61%, precision 10.0%, recall 50%, f1-score 16.67%. Berdasarkan hasil evaluasi dari sistem yang dibuat, sentimen masyarakat terhadap kasus jaringan narkoba adalah negative.

Referensi

M. Afdal and L. R. Elita, “Penerapan Text Mining Pada Aplikasi Tokopedia Menggunakan Algoritma K-Nearest Neighbor,” Jurnal Ilmiah Rekayasa dan Manajemen Sistem Informasi, vol. 8, no. 1, pp. 78–87, 2022.

P. Arsi and R. Waluyo, “Analisis Sentimen Wacana Pemindahan Ibu Kota Indonesia Menggunakan Algoritma Support Vector Machine (SVM),” Jurnal Teknologi Informasi dan Ilmu Komputer (JTIIK) , vol. 8, no. 1, pp. 147–156, 2021, doi: 10.25126/jtiik.202183944.

E. Y. S. Sihombing, Tibyani, and B. T. Hanggara, “Pemanfaatan API Youtube dalam Pengembangan Aplikasi Portal Video Penangkaran Kenari untuk Peternak Kenari Berbasis Android,” Jurnal Pengembangan Teknologi Informasi dan Ilmu Komputer, vol. 4, no. 7, pp. 2067–2074, 2020, [Online]. Available: http://j-ptiik.ub.ac.id

R. A. Saputra, “Analisis Sentimen Pada Media Sosial Menggunakan Metode K-Nearest Neighbor (K-NN),” Teknologipintar.org, vol. 2, no. 8, pp. 1–8, 2022.

H. A. N. Syifa, A. Nugroho, and R. Firliana, “Perbandingan Algoritma Naïve Bayes Classifier Dan K-Nearest Neighbors Untuk Analisis Sentimen Covid-19 Di Twitter,” Jurnal Ilmiah Informatika (JIF), vol. 11, no. 1, pp. 54–62, 2023.

P. Mus and Painem, “Analisis Sentimen Masyarakat Terhadap Pembelajaran Daring di Era Pandemi Covid-19 pada Media Sosial Twitter Menggunakan Ekstraksi Fitur Countvectorizer dan Algoritma K-Nearest Neighbor,” Seminar Nasional Mahasiswa Ilmu Komputer dan Aplikasinya (SENAMIKA) Jakarta-Indonesia, vol. 2, no. 2, pp. 311–319, 2021.

I. Irawaty, R. Andreswari, and D. Pramesti, “Vectorizer Comparison for Sentiment Analysis on Social Media Youtube: A Case Study,” 2020 3rd International Conference on Computer and Informatics Engineering, IC2IE 2020, pp. 69–74, Jan. 2020, doi: 10.1109/IC2IE50715.2020.9274650.

A. Averina, H. Hadi, and J. Siswantoro, “Analisis Sentimen Multi-Kelas Untuk Film Berbasis Teks Ulasan Menggunakan Model Regresi Logistik,” Teknika, vol. 11, no. 2, pp. 123–128, Jan. 2022, doi: 10.34148/teknika.v11i2.461.

M. Lestandy, A. Abdurrahim, and L. Syafa’ah, “Analisis Sentimen Tweet Vaksin COVID-19 Menggunakan Recurrent Neural Network dan Naïve Bayes,” Jurnal RESTI (Rekayasa Sistem dan Teknologi Informasi), vol. 5, no. 4, pp. 802–808, Jan. 2021, doi: 10.29207/resti.v5i4.3308.

H. F. Fadli and A. F. Hidayatullah, “Identifikasi Cyberbullying pada Media Sosial Twitter Menggunakan Metode LSTM dan BiLSTM,” Automata, vol. 2, no. 1, 2021.

Unduhan

Diterbitkan

30-04-2024

Cara Mengutip

Sutrisno, D. F. F., & Waluyo, S. (2024). ANALISIS SENTIMEN MASYARAKAT MENGENAI KASUS KEKUASAAN NARKOBA PADA KOMENTAR YOUTUBE MENGGUNAKAN METODE K-NEAREST NEIGHBOURS. Prosiding Seminar Nasional Mahasiswa Fakultas Teknologi Informasi (SENAFTI), 3(1), 178–185. Diambil dari https://senafti.budiluhur.ac.id/index.php/senafti/article/view/1191

Terbitan

Bagian

Artificial Intelligence

Artikel paling banyak dibaca berdasarkan penulis yang sama

1 2 3 > >>