Klasifikasi Sentimen Komentar YouTube dengan NLP pada Debat Pilkada Banten 2024

Authors

    Doni Prastyo( 1 ) Dede Irawan( 2 ) Imam Halim Mursyidin( 3 )

    (1) Universitas Islam Syekh Yusuf
    (2) Universitas Islam Syekh Yusuf
    (3) Universitas Islam Syekh Yusuf

DOI:


https://doi.org/10.32877/bt.v7i2.1833

Keywords:


Analisis Sentimen, Machine Learning, Natural Language Processing , Pilkada, Youtube

Abstract

Penelitian ini menganalisis sentimen publik terhadap 1.729 komentar YouTube pada debat Pilkada Banten 2024 menggunakan teknik Natural Language Processing (NLP). Sentimen diklasifikasikan ke dalam tiga kategori: positif, negatif, dan netral, untuk memahami persepsi masyarakat terhadap kandidat dan isu politik. Hasil analisis menunjukkan bahwa 49% komentar bersentimen positif, sebagian besar mendukung kandidat Airin yang dinilai berpengalaman, memiliki integritas, dan rekam jejak yang baik. Komentar seperti “Airin pasti menang” dan “Airin pemimpin terbaik” mendominasi diskusi. Sebaliknya, 35% komentar bersentimen negatif lebih banyak mengkritik kandidat lain, terutama terkait isu sensitif seperti dugaan korupsi. Adapun 16% komentar bersentimen netral memberikan observasi objektif, mengajukan pertanyaan, atau membahas aspek teknis debat.Model klasifikasi sentimen menggunakan algoritma Support Vector Machines (SVM) dan Naïve Bayes. SVM menunjukkan performa lebih baik dalam mengklasifikasi sentimen positif dan negatif, tetapi kedua model memiliki kelemahan dalam menangani komentar netral. Tantangan utama yang dihadapi adalah ambiguitas bahasa, ironi, dan sarkasme yang sering muncul dalam diskusi online. Untuk mengatasi hal ini, penelitian merekomendasikan penggunaan model pembelajaran mendalam seperti BERT atau transformer lainnya. Model ini diharapkan dapat memahami konteks bahasa yang lebih kompleks, meningkatkan akurasi klasifikasi terutama pada komentar netral. Visualisasi data, termasuk word cloud dan grafik distribusi sentimen, memberikan wawasan tambahan tentang tema utama yang dibahas, seperti integritas kandidat dan isu politik lokal. Penelitian ini memberikan kontribusi penting dalam memahami opini publik terhadap kandidat dalam Pilkada.

Downloads

Download data is not yet available.

References

M. T. Leony, "Analisis Sentimen Masyarakat terhadap Politik Dinasti di Indonesia Menggunakan Metode Naive Bayes Classifier," Skripsi, Universitas XYZ, 2024.

A. Arista dan R. Putri, "Analisis Sentimen Komentar YouTube terhadap Debat Publik di Pemilihan Umum," Jurnal Ilmiah Teknologi dan Sistem Informasi, vol. 8, no. 2, pp. 50-60, 2023.

A. García and M. Sola, "Natural Language Processing Applications in Social Media: A Review," Journal of Computer Science and Technology, vol. 37, no. 4, pp. 835-857, 2022.

L. Barbosa and J. Feng, "Robust Sentiment Detection on Twitter," in Proc. 12th Int. Conf. Social Media & Society, 2020, pp. 72-81.

M. Hussain, S. Arif, and A. Iftikhar, "Sentiment Analysis in Political Discourse: A Case Study on Social Media," International Journal of Data Mining and Emerging Technologies, vol. 11, no. 2, pp. 1-12, 2021.

D. Yuniar, A. Saputra, and I. Rasyid, "Analisis Sentimen Menggunakan Metode Statistik: Sebuah Tinjauan," Jurnal Informatika dan Sistem Informasi, vol. 6, no. 1, pp. 15-23, 2020.

L. Husna, F. Ramadhan, and N. Hidayat, "Analisis Manual dalam Studi Kualitatif: Kelebihan dan Kelemahan," Jurnal Penelitian Sosial dan Humaniora, vol. 4, no. 2, pp. 88-95, 2022.

M. Hidayah dan S. Rahmawati, "Peran Media Sosial dalam Memengaruhi Persepsi Masyarakat terhadap Politik di Indonesia," Jurnal Komunikasi dan Media, vol. 9, no. 1, pp. 23-34, 2022.A. Rahman and B. Setiawan, "Implementasi Natural Language Processing untuk Analisis Sentimen Politik di Media Sosial," Jurnal Sistem Informasi dan Teknologi, vol. 12, no. 3, pp. 112-128, 2022.

R. Putra and S. Nugroho, "Penggunaan Analisis Sentimen untuk Memantau Perubahan Persepsi Publik terhadap Kandidat Politik," Jurnal Politik Digital, vol. 5, no. 1, pp. 88-102, 2023.

D. Sari, A. Putri, and L. Nuraini, "Perbandingan Teknik Manual dan NLP dalam Analisis Sentimen: Studi Kasus Pemilihan Umum," Jurnal Informatika, vol. 15, no. 4, pp. 101-115, 2020.

M. Fadillah and A. Nugraha, "Tantangan dalam Analisis Sentimen Otomatis di Media Sosial: Ambiguitas dan Sarkasme," Jurnal Informatika dan Teknologi, vol. 8, no. 1, pp. 67-78, 2023.

D. Nugroho and S. Hidayat, "Analisis Sentimen Publik di Media Sosial Selama Pemilu Presiden Indonesia 2020," Jurnal Politik Digital Indonesia, vol. 3, no. 4, pp. 145-160, 2022.

Putri & Santoso, "Efektivitas Algoritma Support Vector Machines dan Naïve Bayes dalam Klasifikasi Teks," Jurnal Informatika dan Sistem Informasi, vol. 8, no. 3, pp. 45-60, 2022.

S. Wijaya, "Analisis Sentimen di Media Sosial Menggunakan Pendekatan Machine Learning," Jurnal Informatika Indonesia, vol. 10, no. 2, pp. 45–56, 2021.

D. Anggraeni, I. Hasan, and M. Ramdhani, "Pemanfaatan YouTube Comment Extractor untuk Analisis Sentimen Terhadap Konten Politik," Jurnal Sistem Informasi dan Komputerisasi, vol. 14, no. 3, pp. 123–134, 2022.

A. Supriyadi, R. Purnama, and F. Wahyuni, "Pendekatan NLP dalam Analisis Komentar YouTube untuk Mengukur Opini Publik," Jurnal Teknologi Informasi dan Komunikasi, vol. 9, no. 1, pp. 33–47, 2021.

Downloads

Published

2024-12-27

How to Cite

[1]
D. Prastyo, D. Irawan, and I. H. Mursyidin, “Klasifikasi Sentimen Komentar YouTube dengan NLP pada Debat Pilkada Banten 2024”, bit-Tech, vol. 7, no. 2, pp. 413–421, Dec. 2024.

Issue

Vol. 7 No. 2 (2024): bit-Tech

Section

Articles

License

Copyright (c) 2024 bit-Tech

Creative Commons License

This work is licensed under a Creative Commons Attribution-ShareAlike 4.0 International License.

I hereby assign and transfer to bit-Tech all exclusive copyright ownership rights to the above work. This includes, but is not limited to, the right to publish, republish, downgrade, distribute, transmit, sell, or use the work and other related materials worldwide, in whole, or in part, in all languages, in electronic, printed, or any other form of media, now known or hereafter developed and reserves the right to permit or license a third party to do any of the above. I understand that this exclusive right will belong to bit-Tech from the date the article is accepted for publication. I also understand that bit-Tech, as the copyright owner, has sole authority to license and permit reproduction of the article. I understand that, except for copyright, any other proprietary rights associated with the work (e.g. patents or other rights to any process or procedure) must be retained by the author. In addition, I understand that bit-Tech permits authors to use their papers in any way permitted by the applied Creative Commons license.

DOI : https://doi.org/10.32877/bt.v7i2.1833
Abstract views: 16 / PDF downloads: 8