Febriyanti Syofiani, Syariful Alam, M. I. Sulistyo S
{"title":"Analisis Sentimen Penilaian Masyarakat Terhadap Childfree Berdasarkan Komentar di Youtube Menggunakan Algoritma Naïve Bayes","authors":"Febriyanti Syofiani, Syariful Alam, M. I. Sulistyo S","doi":"10.37012/jtik.v9i2.1661","DOIUrl":null,"url":null,"abstract":"YouTube merupakan jejaring sosial tempat pengguna dapat menonton video yang telah diunggah dan memiliki panjang durasi tertentu dalam berbagai genre. Salah satu acara YouTube yang masih menjadi trending saat ini adalah childfree. Childfree adalah perjanjian sepasang kekasih, atau antara suami dan istri, untuk tidak memiliki anak selama pernikahan mereka. Dunia maya, yang begitu bebas dan sulit diatur, memberi kesan kepada setiap orang bahwa mereka memiliki pendapat atau pandangan mereka sendiri tentang masalah childfree, yang menghasilkan banyak opini publik, baik yang positif maupun negatif. Tujuan analisis sentimen adalah untuk menentukan respon audiens terhadap masalah Childfree, mengidentifikasi dan mengklasifikasikan polaritas suatu teks untuk menentukan apakah suatu dokumen memiliki nilai positif atau negatif menurut kategori tertentu. Teknik pembelajaran analisis sentimen adalah Naïve Bayes Classifer dan pengujian data menggunakan confusion matrix yang ada pada tools orange. Hasil dari reaksi orang terhadap childfree tergolong negatif dengan hasil persentase 97% pada akurasi (accuration), 98% pada nilai precision, dan tingkat keberhasilan (recall) 96%. Berdasarkan nilai tersebut membuktikan sentimen penilaian masyarakat terhadap childfree berdasarkan komentar di YouTube tergolong negatif. Untuk penelitian selanjutnya, lebih bagus apabila peneliti mengambil komentar YouTube dari luar negeri seperti Jepang, Tiongkok, dan negara Arab Saudi. Dierkomendasikan juga untuk menggunakan algoritma lain untuk menganalisis sentimen, seperti algoritma SVM dan algoritma K-Nearest Neighbor.","PeriodicalId":203870,"journal":{"name":"Jurnal Teknologi Informatika dan Komputer","volume":"10 1","pages":""},"PeriodicalIF":0.0000,"publicationDate":"2023-09-30","publicationTypes":"Journal Article","fieldsOfStudy":null,"isOpenAccess":false,"openAccessPdf":"","citationCount":"0","resultStr":null,"platform":"Semanticscholar","paperid":null,"PeriodicalName":"Jurnal Teknologi Informatika dan Komputer","FirstCategoryId":"1085","ListUrlMain":"https://doi.org/10.37012/jtik.v9i2.1661","RegionNum":0,"RegionCategory":null,"ArticlePicture":[],"TitleCN":null,"AbstractTextCN":null,"PMCID":null,"EPubDate":"","PubModel":"","JCR":"","JCRName":"","Score":null,"Total":0}
引用次数: 0
Abstract
YouTube merupakan jejaring sosial tempat pengguna dapat menonton video yang telah diunggah dan memiliki panjang durasi tertentu dalam berbagai genre. Salah satu acara YouTube yang masih menjadi trending saat ini adalah childfree. Childfree adalah perjanjian sepasang kekasih, atau antara suami dan istri, untuk tidak memiliki anak selama pernikahan mereka. Dunia maya, yang begitu bebas dan sulit diatur, memberi kesan kepada setiap orang bahwa mereka memiliki pendapat atau pandangan mereka sendiri tentang masalah childfree, yang menghasilkan banyak opini publik, baik yang positif maupun negatif. Tujuan analisis sentimen adalah untuk menentukan respon audiens terhadap masalah Childfree, mengidentifikasi dan mengklasifikasikan polaritas suatu teks untuk menentukan apakah suatu dokumen memiliki nilai positif atau negatif menurut kategori tertentu. Teknik pembelajaran analisis sentimen adalah Naïve Bayes Classifer dan pengujian data menggunakan confusion matrix yang ada pada tools orange. Hasil dari reaksi orang terhadap childfree tergolong negatif dengan hasil persentase 97% pada akurasi (accuration), 98% pada nilai precision, dan tingkat keberhasilan (recall) 96%. Berdasarkan nilai tersebut membuktikan sentimen penilaian masyarakat terhadap childfree berdasarkan komentar di YouTube tergolong negatif. Untuk penelitian selanjutnya, lebih bagus apabila peneliti mengambil komentar YouTube dari luar negeri seperti Jepang, Tiongkok, dan negara Arab Saudi. Dierkomendasikan juga untuk menggunakan algoritma lain untuk menganalisis sentimen, seperti algoritma SVM dan algoritma K-Nearest Neighbor.