PENERAPAN MULTINOMIAL NAIVE BAYES DALAM ANALISIS SENTIMEN KOMENTAR YOUTUBE TERKAIT MOBIL LISTRIK AYLA EV

Penulis

  • Achmad Khoiri Universitas Budi Luhur
  • Wahyu Pramusinto Universitas Budi Luhur

Kata Kunci:

Youtube, Text Mining, Multinomial Naive Bayes, Electric Vehicle (EV)

Abstrak

Analisis sentimen YouTube merupakan salah satu proses analisis data pada kolom komentar video YouTube untuk menentukan dan mengkategorikan sentimen atau perspektif yang diluapkan dalam sebuah teks. Proses analisis ini akan menghasilkan dua kategori sentimen, yaitu sentimen positif dan negatif. Analisis ini dilakukan terhadap salah satu video YouTube yang membahas kemunculan Kendaraan Listrik atau Electric Vehicle (EV) Ayla era teknologi 4.0 sebagai solusi transportasi yang hemat energi dan ramah lingkungan, berpotensi mengurangi ketergantungan pada minyak bumi. Di Indonesia, pemerintah aktif mempromosikan penggunaan kendaraan listrik melalui berbagai kebijakan, termasuk Peraturan Presiden (PP)  No. 55 Tahun 2019. Namun, adopsi Electric Vehicle (EV) masih terhambat oleh tingginya biaya dan terbatasnya infrastruktur pengisian daya. Tujuan dari penelitian ini adalah menganalisis sentimen masyarakat terhadap kendaraan listrik  menggunakan algoritma Multinomial Naïve Bayes pada data komentar YouTube. Sebanyak 700 data dikumpulkan dengan bahasa pemograman python yang terkoneksi API YouTube, lalu diolah melalui text preprocessing data berkurang menjadi 659 data, dilakukan labeling menggunakan InSet lexicon dengan sentimen positif (299) serta sentimen negatif (234), dan dibagi menjadi data latih dan data uji dengan perbandingan yang berbeda, yaitu 60:40, 70:30, 80:20. Berdasarkan hasil evaluasi kinerja model melalui tiga perbandingan rasio yang berbeda, didapatkan bahwa perbandingan (60:40) mendapatkan akurasi terbaik sebesar 77.57%, presisi 86.18%, recall 77.37%, dan f1-score 81.54%.

Referensi

R. A. Firsttama, A. A. Arifiyanti, and D. S. Y. Kartika, “Analisis Sentimen Komentar Youtube Konferensi Tingkat Tinggi G20 Menggunakan Metode Naive Bayes,” Jurnal Teknologi Dan Sistem Informasi Bisnis, vol. 6, no. 2, pp. 282–285, 2024, doi: 10.47233/jteksis.v6i2.1263.

P. G. Aryanti and I. Santoso, “Analisis Sentimen Pada Twitter Terhadap Mobil Listrik Menggunakan Algoritma Naive Bayes.” [Online]. Available: https://journals.upi-yai.ac.id/index.php/ikraith-informatika/issue/archive

F. Z. Junaedy et al., “Komparasi Algoritma Support Vector Machine Dan Naïve Bayes Pada Analisis Sentimen Formula-E Jakarta Tahun 2022,” Jurnal IKRAITH-Informatika, vol 7, no. 2, pp. 157-164, 2023. [Online]. Available: https://youtu.be/mhAEiHuVFxY

S. Hasanah, I. Purwasih, and I. Santoso, “Analisis Sentimen Terhadap Masyarakat Adanya Uang Kertas Baru Menggunakan Algoritma K-Nearest Neighbor (KNN).” [Online]. Available: https://journals.upi-yai.ac.id/index.php/ikraith-informatika/issue/archive

Y. N. Prasetya and D. Winarso, “Penerapan Lexicon Based Untuk Analisis Sentimen Pada Twiter Terhadap Isu Covid-19,” Jurnal Fasilkom, vol. 11, no. 2, pp. 97–103, 2021, Accessed: Aug. 12, 2024. [Online]. Available: https://ejurnal.umri.ac.id/index.php/JIK/article/view/2772/1566

S. Alfarizi and E. Fitriani, “Analisis Sentimen Kendaraan Listrik Menggunakan Algoritma Naive Bayes dengan Seleksi Fitur Information Gain dan Particle Swarm Optimization,” Indonesian Journal on Software Engineering (IJSE), vol. 9, no. 1, pp. 19–27, 2023, [Online]. Available: http://ejournal.bsi.ac.id/ejurnal/index.php/ijse

I. Verawati and S. N. Jaelani, “Jurnal Media Informatika Budidarma Analisis Sentimen Pengguna Twitter Terhadap Bus Listrik Menggunakan Naïve Bayes,” 2024, doi: 10.30865/mib.v8i2.7030.

F. Rahutomo, A. Retno, and T. H. Ririd, “Evaluasi Daftar Stopword Bahasa Indonesia,” vol. 6, no. 1, pp. 41–48, 2019, doi: 10.25126/jtiik.201861226.

Y. N. Prasetya and D. Winarso, “Penerapan Lexicon Based Untuk Analisis Sentimen Pada Twiter Terhadap Isu Covid-19,” Jurnal Fasilkom, vol. 11, no. 2, pp. 97-103, 2021.

F. Syofiani, S. Alam, and M. I. Sulistyo S, “Analisis Sentimen Penilaian Masyarakat Terhadap Childfree Berdasarkan Komentar di Youtube Menggunakan Algoritma Naïve Bayes,” Jurnal Teknologi Informatika dan Komputer, vol. 9, no. 2, pp. 688–703, 2023, doi: 10.37012/jtik.v9i2.1661.

A. Wahid and G. Saputri, “Analisis Sentimen Komentar Youtube Tentang Relawan Patwal Ambulance Menggunakan Algoritma Naïve Bayes dan Decision Tree,” Jurnal Sistem Komputer dan Informatika (JSON), vol. 4, no. 2, p. 319, 2022, doi: 10.30865/json.v4i2.4941.

M. J. Palepa, N. Pratiwi, and R. Q. Rohmansa, “Analisis Sentimen Masyarakat Tentang Pengaruh Politik Identitas Pada Pemilu 2024 Terhadap Toleransi Beragama Menggunakan Metode K-Nearest Neighbor,” JIPI (Jurnal Ilmiah Penelitian dan Pembelajaran Informatika), vol. 9, no. 1, pp. 389–401, 2024, doi: 10.29100/jipi.v9i1.4957.

R. Asrianto and M. Herwinanda, “Analisis Sentimen Kenaikan Harga Kebutuhan Pokok Dimedia Sosial Youtube Menggunakan Algoritma Support Vector Machine,” Jurnal CoSciTech (Computer Science and Information Technology), vol. 3, no. 3, pp. 431–440, 2022, doi: 10.37859/coscitech.v3i3.4368.

Unduhan

Diterbitkan

30-09-2024

Cara Mengutip

Khoiri, A., & Pramusinto, W. (2024). PENERAPAN MULTINOMIAL NAIVE BAYES DALAM ANALISIS SENTIMEN KOMENTAR YOUTUBE TERKAIT MOBIL LISTRIK AYLA EV. Prosiding Seminar Nasional Mahasiswa Fakultas Teknologi Informasi (SENAFTI), 3(2), 657–665. Diambil dari https://senafti.budiluhur.ac.id/index.php/senafti/article/view/1423

Terbitan

Bagian

Artificial Intelligence

Artikel paling banyak dibaca berdasarkan penulis yang sama

1 2 3 > >>