Implementasi Analisis Sentimen Masyarakat Mengenai Kenaikan Harga BBM Pada Komentar Youtube Dengan Metode Gaussian naïve bayes

Syamsul Mujahidin; Bagus Prasetio; Muchammad Chandra Cahyo Utomo

doi:10.24036/voteteknika.v10i3.118299

Implementasi Analisis Sentimen Masyarakat Mengenai Kenaikan Harga BBM Pada Komentar Youtube Dengan Metode Gaussian naïve bayes

Syamsul Mujahidin⁽¹⁾, Bagus Prasetio⁽²⁾, Muchammad Chandra Cahyo Utomo⁽³⁾,
(1) Institut Teknologi Kalimantan

Indonesia
(2) Institut Teknologi Kalimantan

Indonesia
(3) Institut Teknologi Kalimantan

Indonesia

Corresponding Author

DOI : https://doi.org/10.24036/voteteknika.v10i3.118299

Full Text:

Language : id

Abstract

Youtube merupakan platform video terbesar di dunia dengan total pengguna sebanyak 1,5 miliar pada tahun 2018. Youtube menjadi salah satu platform penyedia informasi, salah satunya yakni kenaikan harga minyak mentah dunia hingga berada di atas US$100 per barel. Berdasarkan permasalahan tersebut, penulis melakukan penelitian terkait analisis sentimen dari komentar pengguna Youtube mengenai kenaikan harga BBM menggunakan metode Gaussian naïve bayes. Percobaan dilakukan menggunakan 3053 dataset dengan pelabelan menggunakan lexicon dan split data 8:2. Penerapan vektorisasi kata menggunakan word embedding Fasttext dan Bag of word sebagai pembanding terhadap akurasi. Percobaan dilakukan dengan kombinasi perbedaan dimensi size pada proses pembuatan language model fasttext. Berdasarkan hasil penelitian yang telah dilakukan, didapatkan nilai akurasi tertinggi pada percobaan dengan dataset tanpa filtering stopword dan model fasttext size 100 dengan akurasi sebesar 74%. Berdasarkan hasil evaluasi, sistem yang dibangun dapat mengklasifikasikan sentimen atau opini publik ke dalam sentimen positif dan sentiment negatif secara otomatis.

Kata kunci : BBM, Fasttext, Lexicon, Gaussian naïve bayes, Word embedding

Youtube is the largest video platform in the world with a total of 1.5 billion users in 2018. Youtube is one of the information provider platforms, one of which is the increase in world crude oil prices to above US$100/barrel. Based on these problems, the authors conducted research related to sentiment analysis from Youtube user comments regarding the increase in fuel prices using the Gaussian nave Bayes method. The experiment was carried out using 3053 datasets with labeling using lexicon and 8:2 data split. The vectorization uses Fasttext and BoW as a comparison of accuracy. The experiment was carried out with a combination of size dimensions fasttext. Based on the results of the research, the highest accuracy value was obtained in experiments with a dataset without stopword and fasttext size 100 with an accuracy of 74%. The system built can classify public sentiment into positive and negative sentiments automatically.

Keywords: Fuel, Fasttext, Lexicon, Gaussian naïve bayes, Word embedding

References

P. Y. Saputra, D. H. Subhi, and F. Z. A. Winatama, “IMPLEMENTASI SENTIMEN ANALISIS KOMENTAR CHANNEL VIDEO PELAYANAN PEMERINTAH DI YOUTUBE MENGGUNAKAN ALGORITMA NAÏVE BAYES,” J. Inform. Polinema, vol. 5, no. 4, pp. 209–213, Aug. 2019, doi: 10.33795/JIP.V5I4.259.

F. H. Saputra and C. Cholifah, “Pengaruh Narasi Dalam Konten Vlog Channel Youtube ‘Menjadi Manusia’ Terhadap Sikap Dalam Menjaga Kesehatan Mental,” J. ISIP J. Ilmu Sos. dan Ilmu Polit., vol. 19, no. 1, pp. 11–22, May 2022, doi: 10.36451/J.ISIP.V19I1.163.

A. Erawati, M. Surif, and S. F. Dalimunthe, “Analisis Wacana Kritis Nourman Fairclough terhadap Jokowi yang Menyentil Menterinya Mengenai Kenaikan Harga Minyak Goreng,” J. Pendidik. Tambusai, vol. 6, no. 2, pp. 10653–10662, Jun. 2022, doi: 10.31004/JPTAM.V6I2.4114.

G. Hrp, N. A.-J. J. I. Komputer, undefined Ekonomi, and undefined 2022, “Analisis Damfak Kebijakan Perubahan Publik Harga BBM terhadap Perekonomian Rakyat Indonesia,” ummaspul.e-journal.id, Available: https://ummaspul.e-journal.id/JKM/article/download/3601/1261.

A. Lestari, R. Perdana, … M. F.-T. I. dan I., and undefined 2017, “Analisis sentimen tentang opini pilkada dki 2017 pada dokumen twitter berbahasa indonesia menggunakan naive bayes dan pembobotan emoji,” j-ptiik.ub.ac.id, vol. 1, no. 12, pp. 1718–1724, 2017, Available: http://j-ptiik.ub.ac.id/index.php/j-ptiik/article/view/627.

Y. A. Singgalen, “Pemilihan Metode dan Algoritma dalam Analisis Sentimen di Media Sosial : Sistematic Literature Review,” J. Inf. Syst. Informatics, vol. 3, no. 2, pp. 278–302, Jun. 2021, doi: 10.33557/JOURNALISI.V3I2.125.

F. Ratnawati, “Implementasi Algoritma Naive Bayes Terhadap Analisis Sentimen Opini Film Pada Twitter,” INOVTEK Polbeng - Seri Inform., vol. 3, no. 1, pp. 50–59, Jun. 2018, doi: 10.35314/ISI.V3I1.335.

A. Herdhianto, “Sentiment analysis menggunakan Naïve Bayes Classifier (NBC) PADA tweet tentang zakat,” Jul. 2020, Available: https://repository.uinjkt.ac.id/dspace/handle/123456789/53661.

N. L. Ratniasih, N. Wayan, and N. Jayanti, “Sentiment Analysis of Stakeholder Satisfaction Measurement,” IJCCS (Indonesian J. Comput. Cybern. Syst., vol. 16, no. 2, pp. 217–226, Apr. 2022, doi: 10.22146/IJCCS.72245.

N. D. Kusumawati, S. Al Faraby, and M. D. P, “Analisis Sentimen Mengenai Rencana Vaksinasi Covid-19 Menggunakan Support Vector Machine Dengan String Kernel,” eProceedings Eng., vol. 8, no. 5, Oct. 2021,

T. N. Fatyanosa and F. A. Bachtiar, “Classification method comparison on Indonesian social media sentiment analysis,” Proc. - 2017 Int. Conf. Sustain. Inf. Eng. Technol. SIET 2017, vol. 2018-January, pp. 310–315, Feb. 2018, doi: 10.1109/SIET.2017.8304154.

R. Mahendrajaya, G. A. Buntoro, and M. B. Setyawan, “ANALISIS SENTIMEN PENGGUNA GOPAY MENGGUNAKAN METODE LEXICON BASED DAN SUPPORT VECTOR MACHINE,” KOMPUTEK, vol. 3, no. 2, pp. 52–63, Oct. 2019, doi: 10.24269/JKT.V3I2.270.

G. B.-J. D. Informatika and undefined 2016, “Analisis sentimen hatespeech pada twitter dengan metode naïve bayes classifier dan support vector machine,” researchgate.net.

F. Alfariqi, … W. M., and undefined 2020, “Klasifikasi Sentimen Pada Twitter Dalam Membantu Pemilihan Kandidat Karyawan Dengan Menggunakan Convolutional Neural Network Dan Fasttext Embeddings,” … .telkomuniversity.ac.id.

A. Abdurrahim, L. Syafa’ah, and M. Lestandy, “Sentiment analysis of Covid-19 vaccine tweets utilizing Naïve Bayes,” AIP Conf. Proc., vol. 2453, no. 1, p. 020052, Jul. 2022, doi: 10.1063/5.0094607.