Analisis Sentimen Komentar Youtube Tentang Pemblokiran Aplikasi Roblox Menggunakan Metode Support Vector Machine Dan Naive Bayes (SVMNB)
DOI:
https://doi.org/10.71200/inokom.v2i2.239Keywords:
Analisis Sentimen, YouTube, Pemblokiran Roblox, Support Vector Machine, Naïve BayesAbstract
Perkembangan teknologi informasi telah mengubah cara Masyarakat mengekspresikan pendapat dan berinteraksi secara daring. Salah satu sarana ekspresi publik yang paling sering digunakan adalah kolom komentar di platform YouTube. Studi ini bertujuan untuk menganalisis pandangan publik terhadap isu pemblokiran aplikasi Roblox oleh pemerintah Indonesia melalui respons pengguna YouTube. Metode yang diterapkan dalam penelitian ini adalah Support Vector Machine (SVM) dan Naïve Bayes (NB) yang digunakan untuk mengkategorikan komentar ke dalam tiga jenis sentimen: positif, negatif, atau netral. Data penelitian diambil dari tiga saluran YouTube: Kompas TV, Kompas Jawa Timur, dan Liputan6, dengan total 300 komentar yang diperoleh melalui platform ExportComments. Prosedur analisis meliputi langkah-langkah pra-pemrosesan, penandaan data, TF-IDF, dan klasifikasi dengan dua algoritma: Support Vector Machine (SVM) dan Naïve Bayes, diakhiri dengan evaluasi model. Hasil penelitian menunjukkan bahwa metode Support Vector Machine (SVM) mencapai akurasi 73,33%, sedangkan metode Naïve Bayes mencapai akurasi 67%. Hasil ini menunjukkan bahwa SVM mengungguli Naive Bayes dalam mengklasifikasikan sentimen dari komentar YouTube.
Downloads
References
Amrullah, M. S., & Pane, S. F. (2023). Analisis sentimen masyarakat terhadap kebijakan polisi tilang manual di Indonesia. Penerbit Buku Pedia.
Hidayat, H., Santoso, F., & Lidimillah, L. F. (2024). Analisis sentimen pengguna YouTube tentang Rohingya menggunakan algoritma SVM (Support Vector Machine). G-Tech: Jurnal Teknologi Terapan, 8(3), 1729–1738.
Safitri, R., Alfira, N., Tamitadiani, D., Dewi, W. W. A., & Febriani, N. (2021). Analisis sentimen: Metode alternatif penelitian big data. Universitas Brawijaya Press.
Fauzi, A., & Yunial, A. H. (2024). Analisis sentimen (sentiment analysis): Evaluasi sentimen layanan dataset Twitter US Airline. CV. Bintang Semesta Media.
Novia, E. A., Rahayu, W. I., & Prianto, C. (2020). Sistem perbandingan algoritma K-Means dan Naïve Bayes untuk memprediksi prioritas pembayaran tagihan rumah sakit berdasarkan tingkat kepentingan. Kreatif Industri Nusantara.
Widagdo, A. S., & Saputro, F. E. N. (2024). Buku monograf analisis sentimen mobil listrik berbasis ulasan YouTube. PT Sonpedia Publishing Indonesia.
Riwanto, M. H., Ardhiyansyah, P., Adiansyah, R. A., Alfiansyah, A., Waek, G., & Fahlapi, R. (2025). Analisis sentimen komentar YouTube terkait penerapan makan bergizi gratis menggunakan model algoritma SVM. Kohesi: Jurnal Multidisiplin Saintek, 6(12).
Purnamasari, D., Aji, A. B., Wulandari, D. A. P., Reza, F. A., Safrila, M. O., Yanda, N., & Hidayati, U. (2023). Pengantar Metode Analisis Sentimen. Depok, Penerbit: Gunadarma.
Narulita, S., Sekarlangit, S., & Novianingrum, M. P. (2025). Deteksi alergen pada produk pangan menggunakan algoritma Support Vector Machines (SVM). Bridge: Jurnal Publikasi Sistem Informasi dan Telekomunikasi, 3(1), 64–76. https://doi.org/10.62951/bridge.v3i1.393
Urva, G., Desyanti, Albanna, I., Sungkari, M. S., Gunawan, I. M. A. O., Adhicandra, I., Ramadhan, S., Rahardian, R. L., Herlawati, Rahmadya, Trias Handayanto, A. G. B. A., Hartatik, & Atika, P. D. (2023). Penerapan data mining di berbagai bidang: Konsep, metode, dan studi kasus. PT Sonpedia Publishing Indonesia.
Arif, E., Suherman, S., & Widodo, A. P. (2025). Revolusi prediksi saham: Pemanfaatan machine learning dan analisis sentimen dalam dunia keuangan. Greenbook Publisher.
Mola, S. A. S., Djawa, S. N. R., & Mauko, A. Y. (2025). Text mining: Analisis sentimen dengan Naïve Bayes. Kaizen Media Publishing.
Maulana, B. A., Fahmi, M. J., Imran, A. M., & Hidayati, N. (2024). Analisis sentimen terhadap aplikasi Pluang menggunakan algoritma Naive Bayes dan Support Vector Machine (SVM). MALCOM: Indonesian Journal of Machine Learning and Computer Science, 4(2), 375–384.
Hendrawan, I. R., & Utami, E. (2023). Natural language processing: Eksplorasi sentimen masyarakat dalam evaluasi produk lokal Indonesia menggunakan algoritma bag of words, TF-IDF, Word2Vec, dan Doc2Vec. Penerbit Andi.
Asri, Y., & Fajri, M. (2024). Implementasi lexicon vader dan naïve bayes pada aplikasi PLN mobile. Uwais Inspirasi Indonesia.
Setiawan, Z., Fajar, M., Priyatno, A. M., Putri, A. Y. P., Aryuni, M., Yuliyanti, S., Widiputra, H., Meilani, B. D., Ibrahim, R. N., Azdy, R. A., Junaidi, S., & Wijaya, A. (2023). Buku ajar data mining. PT Sonpedia Publishing Indonesia.
Mola, S. A. S., Ohe Roma, R. V. K. I., & Widiastuti, T. (2025). Text mining: Analisis sentimen dengan lexicon. Kaizen Media Publishing.
Nugraha, F. A., Harani, N. H., & Habibi, R. (2020). Analisis sentimen terhadap pembatasan sosial menggunakan deep learning. Kreatif.
Martono, A., Henderi, & Padeli. (2025). Unlock big data & machine learning: Menggunakan 14 algoritma unggulan untuk bisnis dan industri 5.0. CV. Bintang Semesta Media.
Published
Issue
Section
License
Copyright (c) 2026 Jurnal Inovasi Komputer (INOKOM)
This work is licensed under a Creative Commons Attribution-NonCommercial 4.0 International License.
