Analisis Sentimen Komentar YouTube terhadap Pengangkatan Menkeu Purbaya Menggunakan Algoritma SVM dan Naïve Bayes
Main Article Content
Abstract
Penelitian ini bertujuan untuk menganalisis sentimen warganet terhadap komentar YouTube yang membahas pengangkatan Purbaya Yudhi Sadewa sebagai Menteri Keuangan, sekaligus membandingkan performa algoritma Support Vector Machine (SVM) dan Naïve Bayes dalam proses klasifikasi. Sebanyak 1.202 komentar dikumpulkan dan melalui tahapan preprocessing sebelum dilakukan pelabelan manual. Hasil analisis menunjukkan bahwa sentimen positif mendominasi dengan proporsi 58%, diikuti sentimen netral 29%, dan negatif 13%. Hal ini mengindikasikan bahwa sebagian besar komentar awal dari pengguna YouTube bersifat mendukung atau memberikan penilaian yang cenderung baik terhadap topik yang dibahas. Pada evaluasi model, algoritma SVM menunjukkan performa lebih unggul dengan akurasi 66,39% dan f1-score 55,53%, sedangkan Naïve Bayes menghasilkan akurasi 62,66% dan f1-score 40,94%. Hasil uji 10-fold cross validation turut mengonfirmasi bahwa SVM memiliki tingkat konsistensi yang lebih baik dibandingkan Naïve Bayes. Berdasarkan hasil tersebut, SVM dinilai lebih sesuai digunakan dalam analisis sentimen komentar publik yang memiliki variasi bahasa cukup luas dan konteks yang tidak selalu eksplisit, seperti pada isu pemerintahan dan politik.
Downloads
Article Details
This work is licensed under a Creative Commons Attribution-ShareAlike 4.0 International License.
References
Ardinata, P. M. S., Permana, A. A. J., & Wijaya, I. N. S. W. (2024). IDENTIFIKASI DAN NORMALISASI TEKS SLANG DENGAN FASTTEXT PADA TWITTER DALAM BAHASA INDONESIA. 21(1).
Binekasri, R. (2024). Dana Nasabah Aman, 99,94% Rekening di Bank Dijamin LPS. CNBC Indonesia. https://www.cnbcindonesia.com/market/20240802115442-17-559874/dana-nasabah-aman-9994-rekening-di-bank-dijamin-lps
Gayati, M. D. (2025, September). Gantikan Sri Mulyani, Prabowo lantik Purbaya Yudhi Sadewa jadi Menkeu. ANTARA. https://www.antaranews.com/berita/5093749/gantikan-sri-mulyani-prabowo-lantik-purbaya-yudhi-sadewa-jadi-menkeu?utm_source=chatgpt.com
Irlon. (2025). ANALISIS PERBANDINGAN ALGORITMA NAÏVE BAYES SVM DAN RANDOM FOREST PADA KLASIFIKASI SENTIMEN KOMENTAR YOUTUBE " CLASH OF CHAMPIONS " RUANGGURU. 19(2).
Juleha, J., Yuniar, J., & Marsuki, N. R. (2024). Peran Media Sosial Dalam Dinamika Opini Publik dan Partisipasi Politik Era Digital Universitas Muhammadiyah Makassar , Indonesia. Concept: Journal of Social Humanities and Education, 3(1), 38–45.
Kannan, S. (2014). Preprocessing Techniques for Text Mining.
Krisdiyanto, T., Maricha, E., & Nurharyanto, O. (2021). Analisis Sentimen Opini Masyarakat Indonesia Terhadap Kebijakan PPKM pada Media Sosial Twitter Menggunakan Naïve Bayes Clasifiers. 7(1), 32–37.
Lestari, S., & Berliani, S. (2024). Analisis Sentimen Masyarakat Terhadap Isu Pecat Sri Mulyani Pada Twitter Menggunakan Metode Naive Bayes Dan Support Vector Machine. Jurnal Sains Dan Teknologi, 5(3), 2024. https://doi.org/10.55338/saintek.v5i1.2789
Manning, C. D., Raghavan, P., & Schutze, H. (2009). An Introduction To Information Retrieval (Issue c). Cambrige University Press.
Maulani, G., Hariyono, R. C. S., Tania, K. D., & Purbaya, M. E. (2024). Penerapan Data Mining Di Berbagai Bidang (A. Wisandra (ed.); 1st ed.). CV Hei Publishing Indonesia. https://repository.bsi.ac.id/repo/files/443997/download/Buku-_-Penerapan-Data-Mining-di-Berbagai-Bidang.pdf
Mola, S. A. S., Lete, P. R., Triyanto, Junio, B. J. A., & Tiwuk. (2024). Analisis sentimen menggunakan metode naive bayes dan metode support vector machine pada kasus pelantikan artis sebagai anggota anggota dpr ri tahun 2024. 15(c), 22–32.
Pradana, A. W., & Hayaty, M. (2019). The effect of stemming and removal of stopwords on the accuracy of sentiment analysis on indonesian-language texts. 4(3).
Pratiwi, F. S., & Suhendra. (2024). Peran Komunikasi Digital dalam Pembentukan Opini Publik : Studi Kasus Media Sosial. Iapa Proceedings Conference, 293–315.
Purnamasari, D., Aji, A. B., Wulandari, D., & Reza, F. A. (2023). Pengantar Metode Analisis Sentimen (I. M. Wiryana (ed.); 1st ed.). Penerbit Gunadarma. https://penerbit.gunadarma.ac.id/wp-content/uploads/2023/09/Pengantar-Metode-Analisis-Sentimen_Detty-cs_Watermark.pdf
Santoso, B. A., Nugroho, B. I., & Asyfiya, D. U. (2025). Perbandingan Algoritma Naïve Bayes, Support Vector Machine, dan Random Forest Untuk Analisis Sentimen Komentar Politik Youtube Bayu. 6(4), 391–400. https://doi.org/10.47065/tin.v6i4.8326
Saputra, J., Maryani, L., Wulandari, D., Eka, W., Informatika, P. T., & Komputer, P. T. (2025). Analisis Performa Naive Bayes dan SVM terhadap Sentimen Teks Media Sosial dengan Word2Vec dan SMOTE. 10(1), 143–155.
Setiawan, B. (2024). A Review of Sentiment Analysis Applications in Indonesia Between 2023-2024. 08, 71–83.
Siagian, J. K., & Painem. (2024). ANALISIS SENTIMEN MASYARAKAT INDONESIA TERHADAP RENCANA KENAIKAN PPN MENJADI 12 % DI MEDIA SOSIAL X ANALYSIS OF INDONESIAN PUBLIC SENTIMENT TOWARDS THE PLAN TO INCREASE VAT TO 12 % ON X SOCIAL MEDIA USING THE NAÏVE BAYES METHOD. 3(September), 779–786.