ANALISIS PERBANDINGAN METODE SVM DAN NAIVE BAYES DALAM KLASIFIKASI SENTIMEN PUBLIK TERHADAP VIDEO YOUTUBE ZOALS PRASETYO “BEAT VERSI TERBAIK”

Muhammad Ali Yafi; Fenilinas Adi Artanto; Ahmad Khambali

Publikasi

Karya Ilmiah Mahasiswa

Pencarian Spesifik

Kunjungan

Quick Search

Detail Record

Kembali Ke sebelumnya

ANALISIS PERBANDINGAN METODE SVM DAN NAIVE BAYES DALAM KLASIFIKASI SENTIMEN PUBLIK TERHADAP VIDEO YOUTUBE ZOALS PRASETYO “BEAT VERSI TERBAIK”

Pengarang : Muhammad Ali Yafi, Fenilinas Adi Artanto, Ahmad Khamba

Kata Kunci :YouTube, analisis sentimen, TF-IDF, Naïve Bayes, Support Vector Machine

YouTube merupakan media sosial yang memungkinkan pengguna menyampaikan opini secara bebas melalui kolom komentar sehingga dapat dimanfaatkan sebagai sumber data analisis sentimen. Tingginya tingkat interaksi dan partisipasi pengguna pada konten otomotif menunjukkan adanya beragam persepsi publik yang perlu dianalisis secara sistematis untuk memperoleh gambaran objektif terhadap respons penonton. Video “Beat Versi Terbaik” pada akun Zoals Prasetyo menampilkan komentar dengan kecenderungan sentimen positif, negatif, dan netral yang mencerminkan pandangan masyarakat terhadap topik yang dibahas. Penelitian ini bertujuan untuk menganalisis sentimen komentar pada video tersebut serta membandingkan kinerja algoritma Naïve Bayes dan Support Vector Machine (SVM) dalam mengklasifikasikan tiga kelas sentimen. Penelitian ini menggunakan pendekatan kuantitatif dengan data sebanyak 1.500 komentar yang dikumpulkan melalui YouTube Data API melalui teknik pengambilan data. Pelabelan dilakukan menggunakan metode lexicon untuk menentukan polaritas sentimen. Tahapan pengolahan data meliputi preprocessing teks berupa cleaning, case folding, normalisasi, tokenizing, stopword removal, dan stemming guna meningkatkan kualitas dan konsistensi data. Fitur teks dibentuk menggunakan pembobotan Term Frequency–Inverse Document Frequency (TF-IDF) sebelum dilakukan proses klasifikasi menggunakan kedua algoritma. Evaluasi model dilakukan menggunakan confusion matrix dengan metrik accuracy, precision, recall, dan F1-score untuk mengukur performa secara komprehensif. Hasil penelitian menunjukkan bahwa SVM memiliki kinerja lebih baik dibandingkan Naïve Bayes dengan nilai akurasi dan F1-score sebesar 0,70, sedangkan Naïve Bayes memperoleh akurasi 0,60 dan F1-score 0,53. Temuan ini menunjukkan bahwa pemilihan algoritma berpengaruh terhadap kualitas klasifikasi sentimen berbasis TF-IDF. SVM lebih optimal digunakan pada konteks penelitian ini.

NASKAH PUBLIKASI

Referensi

Adikusumah, Z. I. (2024). Analisis Media Monitoring terhadap Brand Honda Motor Bulan Februari Tahun 2024. Jurnal Bisnis Dan Komunikasi Digital, 1(3), 13. https://doi.org/10.47134/jbkd.v1i3.2584

Andhini, A., Handayani, F. N., Diasih, I., & Nurmalitasari. (2025). Analisis Sentimen Opini Publik pada Channel Youtube Mata Najwa Menggunakan Metode SVM. Jurnal Teknik Informatika Dan Teknologi Informasi, 5(2), 139–154. https://doi.org/10.55606/jutiti.v5i2.5426

Ariyani, K. P., Damaliana, A. T., & Trimono, T. (2025). Sentimen Analysis the Damade Esaf Frame with Support Vecotr Machine and Impact on Honda Motorcycle Sales. Jurnal Sistem Informasi Dan Informatika (Simika), 8(2), 223–235. https://doi.org/10.47080/m0kyc955

Artanto, F. A. (2024). Support Vector Machine Berbasis Particle Swarm Optimization Pada Analisis Sentimen Anggota KPPS. Jurnal Fasilkom, 14(1), 75–79. https://doi.org/10.37859/jf.v14i1.6795

Azzahra, B. J., Asep Id, H., & Agus, K. (2025). Analisis Sentiment Terhadap Pengguna Mobil Listrik Berdasarkan Komentar YouTube Menggunakan Metode Support Vector Machine (SVM) dan Teknik Ensemble. Jurnal Pendidikan Informatika Dan Sains, 14(1), 10–23. https://doi.org/10.31571/saintek.v14i1.8871

Fahrezi, I., & Rudiman. (2024). Analisis Sentimen Twitter Atas Isu Hak Angket Menggunakan Pembobotan TF-IDF dan Algoritma SVM. Sci-Tech Journal, 3(2), 179–192. https://doi.org/10. 56709/stj.v3i2.526

Farros, M., Haq, I., Rosyadi, I., Nasir, M., & Khambali, A. (2024). Sentiment Analisis Ulasan Aplikasi Livin Pada Google Play Store. Surya Informatika, 14(1), 24–29. https://doi.org/10.48144/suryainformatika.v14i1.1785

Handayani, E., & Sulistiyawati, A. (2021). Analisis Sentimen Respon Masyarakat Terhadap Kabar Harian COVID-19 pada Twitter Kementrian Kesehatan dengan Metode Klasifikasi Naive Bayes. Jurnal Teknologi Dan Sistem Informasi (JTSI), 2(3), 32–37. https://d1wqtxts1xzle7.cloudfront.net/101294515/906-2804-1-PB-libre.pdf?1681988501=&response-content-disposition=inline%3B+filename%3DAnalisis_Setimen_Respon_Masyarakat_Terha.pdf&Expires=1766417793&Signature=I42ESljbGRUsEgipSIGc4VRWXxV551ToKk6f0YC2D5ebWE-tWyaMXfR92OHnGXubaDgoPEdqHyZkveNc-bMhxyJBZdnoQ2nXLqTfH19li7ftYmDk60B4gnZh60uMkLpXBudOvSkcUqcFvh-8I87za2Qqp4LBRWhQq2tiPkw2HUvrpBTn8uOYE6qY13ZIdbn0-pp6o8SaHt0lVkj1SqW9irQXeAOlrRpLt5bBVCQL6k8ucLwHmaNzRc98qD3l6XqCUx6yaXYq3NgI6Uo~JP6DlnK447QaxylRe6wKecQCzdrU6QTn8fkrYzV6BVV9YocazHsyldLCBby0uuhCJPumcQ__&Key-Pair-Id=APKAJLOHF5GGSLRBV4ZA

Hasibuan, E., & Allistair, E. (2022). Analisis Sentimen pada Ulasan Aplikasi Amazon Shopping di Google Play. Jurnal Teknik Dan Science, 1(3), 13–24. https://doi.org/10.56127/jts.v1i3.434

Hendrastuty, N., Isnain, A. R., Rahmadhani, A. Y., & Styawati. (2021). Analisis Sentimen Masyarakat Terhadap Program Kartu Prakerja Pada Twitter Dengan Metode Support Vector Machine. Jurnal Informatika: Jurnal Pengembangan IT (JPIT), 6(3), 150–155. https://doi.org/10.30591/jpit.v6i3.2870

Hermawan, A., & Jowensen, I. (2023). Implementasi Text-Mining untuk Analisis Sentimen pada Twitter dengan Algoritma Support Vector Machine. Jurnal Sains Dan Teknologi, 12(1), 129–137. https://doi.org/10.23887/jstundiksha.v12i1.52358

Husada, H. C., & Paramita, A. S. (2021). Analisis Sentimen Pada Maskapai Penerbangan di Platform Twitter Menggunakan Algoritma Support Vector Machine ( SVM ). Teknika, 10(1), 18–26. https://doi.org/10.34148/teknika.v10i1.311

Idris, I., Mustofa, Y., & Salihi, I. (2023). Analisis Sentimen Terhadap Penggunaan Aplikasi Shopee Mengunakan Algoritma Support Vector Machine ( SVM ). Jambura Journal of Electrical and Electronics Engineering, 5(1), 32–35. https://doi.org/10.37905/jjeee.v5i1.16830

Iedwan, A. S., Mauliza, N., Pristyanto, Y., Hartanto, A. D., & Rohman, A. N. (2024). Comparative Performance of SVM and Multinomial Naïve Bayes in Sentiment Analysis of the Film ’ Dirty Vote ’. Scientific Journal of Informatics, 11(3), 839–848. https://doi.org/10.15294/sji.v11i3.10290

Juliana, K. E., Luh, N., Sayang, W., Putu, G., & Jana, A. (2018). Pengaruh Citra Merek Dan Kualitas Produk Terhadap Keputusan Pembelian Sepeda Motor Honda Beat. Bisma: Jurnal Manajemen, 5(1), 1–8.

Kevin, Enjeli, M., & Wijaya, A. (2024). Analisis Sentimen Pengunaaan Aplikasi Kinemaster Menggunakan Metode Naive Bayes. Jurnal Ilmiah Computer Science (JICS), 2(2), 89–98. https://doi.org/10.58602/jics.v2i2.24

Kurniawan, I., Lia Hananto, A., Shofia Hilabi, S., Hananto, A., Priyatna, B., & Yuniar Rahman, A. (2023). Perbandingan Algoritma Naive Bayes Dan SVM Dalam Sentimen Analisis Marketplace Pada Twitter. Jurnal Teknik Informatika Dan Sistem Informasi, 10(1), 731–740. http://jurnal.mdp.ac.id

Kusumawardhani, H. H., Rosyadi, I., Artanto, F. A., Arzha, F. I., & Rachmayani, N. A. (2022). Analisis Decision Tree dalam Pengaruh Digital Marketing terhadap Penerimaan Siswa Baru. Remik: Riset Dan E-Jurnal Manajemen Informatika Komputer, 6(April), 225–231. https://doi.org/10.33395/remik.v6i2.11494

Lapendy, J. C., Resky, A. A. C., Tenriola, A., Surianto, D. F., & Sidin, U. S. (2025). Optimizing Sentiment Analysis of Electric Vehicles Through Oversampling Techniques on YouTube Comments. Jurnal Nasional Pendidikan Teknik Informatika (JANAPATI), 14(1), 169–182. https://doi.org/10.23887/janapati.v14i1.88205

Maulana, B. A., & Fahmi, M. J. (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(April), 375–384. https://doi.org/10.57152/malcom.v4i2.1206

Meisya, T., Aulia, P., Arifin, N., & Mayasari, R. (2021). Perbandingan Kernel Support Vector Machine ( SVM ) dalam Penerapan Analisis Sentimen Vaksinasi COVID-19. SINTECH (Science and Information Technology Journal), 4(2), 139–145. https://doi.org/10.31598

Misrun, C. A., Haerani, E., Fikry, M., & Budianita, E. (2024). Analisis sentimen komentar youtube terhadap Anies Baswedan sebagai bakal calon presiden 2024 menggunakan metode naive bayes classifier Chely. Jurnal Computer Science and Information Technology (CoSciTech), 4(1), 207–215. https://doi.org/10.37859/coscitech.v4i1.4790

Munandar, A. A., Widodo, C. E., & Farikhin. (2026). Sentimen Analisis Aplikasi Belajar Online Menggunakan Klasifikasi SVM. JOINTECS (Journal of Information Technology and Computer Science), 7(1), 1–7. https://doi.org/10.31328/jointecs.v8i2.4747

Normawati, D., & Prayogi, S. (2021). Implementasi Naïve Bayes Classifier Dan Confusion Matrix Pada Analisis Sentimen Berbasis Teks Pada Twitter. Jurnal Sains Komputer & Informatika (J-SAKTI), 5(2), 697–711. https://doi.org/10.30645/j-sakti.v5i2.369

Nyunt, K. T., & Wai Khin, N. T. (2025). Sentiment Analysis on YouTube Data Using Term Frequency- Inverse Document Frequency and Naïve Bayes Sentiment Analysis on YouTube Data Using Term Frequency- Inverse Document Frequency and Naïve Bayes. Department of Computer Engineering and Information Technology, 1(1), 6. https://www.researchgate.net/publication/375461612_Sentiment_Analysis_on_YouTube_Data_Using_Term_Frequency-_Inverse_Document_Frequency_and_Naive_Bayes

Permana, T. D., Pratama, Y. B., Wahyuzi, Z., Altiarika, E., & Pramudyantoro, A. (2025). Perbandingan Performa Algoritma Naive Bayes dan SVM untuk Analisis Sentimen Komentar YouTube terhadap Industri Esport di Indonesia. Jurnal Ilmiah Nusantara ( JINU), 2(6), 1391–1399. https://doi.org/10.61722/jinu.v2i6.6753

Prasetyo, S., Hilabi, S., & Nurapriani, F. (2023). Analisis Sentimen Relokasi Ibukota Nusantara Menggunakan Algoritma Naive Bayes dan KNN. Jurnal KomtekInfo, 10(1), 1–7. https://doi.org/10.35134/komtekinfo.v10i1.330

Putri, K. S., Setiawan, I. R., & Pambudi, A. (2023). Analisis Sentimen Terhadap Brand Skincare Lokal Menggunakan Naive Bayes Classifier. Technologia, 14(3), 227–232. https://doi.org/10.31602/tji.v14i3.11259

Rabbani, S., Safitri, D., Rahmadhani, N., Sani, A. A. F., & Anam, M. K. (2023). Perbandingan Evaluasi Kernel SVM untuk Klasifikasi Sentimen dalam Analisis Kenaikan Harga BBM. MALCOM: Indonesian Journal of Machine Learning and Computer Science, 3(2), 153–160. https://doi.org/10.57152/malcom.v3i2.897

Rosyadi, I., Artanto, F. A., Rahmawati, S. E., Tri, H., & Joyo, B. (2022). Decision Tree Dalam Analisis Keputusan Pembelian Program Pada Perkumpulan Penggiat Programmer Indonesia. Jurnal Fasilkom, XII(Iii), 141–144. https://doi.org/10.37859/jf.v12i3.3948

Saputra, D., Wantoro, A., Damayanti, Permata, & Rusliyawati. (2025). Perbandingan Metode Naïve Bayes Dan Support Vector Machine ( Svm ) Pada Analisis Sentimen Kendaraan Listrik Pada Media Sosial “ X .” JIP (Jurnal Informatika Polinema), 11(2), 227–234. https://doi.org/10.33795/jip.v11i2.6458

Saputra, J., Maryani, L., Wulandari, D., Eka, W., & Rahmaddeni. (2025). Analisis Performa Naive Bayes dan SVM terhadap Sentimen Teks Media Sosial dengan Word2Vec dan SMOTE. Jurnal INSTEK (Informatika Sains Dan Teknologi), 10(1), 143–155. https://doi.org/10.24252/instek.v10i1.54889

Sari, H., Ginting, G. L., Zebua, T., & Mesran. (2021). Penerapan Algoritma Text Mining dan TF-IDF Untuk Pengelompokan Topik Skripsi Pada Aplikasi Repository STMIK Budi Darma. TIN: Terapan Informatika Nusantara, 2(7), 414–432. https://ejurnal.seminar-id.com/index.php/tin/article/view/949

Shabrina, U. I., Java, M. I., & Rochimah, S. (2024). Optimizing Sentiment Analysis in Educational YouTube Videos?: A Comparative Study of Roberta and Multinomial Naive Bayes. JUTI: Jurnal Ilmiah Teknologi Informasi, 22(2), 83–90. https://doi.org/10.12962/j24068535.v22i2.a1204

Syafi’i, A. C., & Wiranata, A. D. (2024). Analisis Sentimen Terhadap Rangka E-SAF Honda Pada Media Sosial X Dengan Algoritma Naïve Bayes. Kajian Ilmiah Informatika Dan Komputer, 5(1), 57–66. https://doi.org/10.30865/klik.v5i1.1993

Westley, V., Thomas, D., & Rumaisa, F. (2022). Analisis Sentimen Ulasan Hotel Bahasa Indonesia Menggunakan Support Vector Machine dan TF-IDF. Jurnal Media Informatika Budidarma, 6(3), 1767–1774. https://doi.org/10.30865/mib.v6i3.4218

Witanti, A., & Herwinsyah. (2022). Analisis Sentimen Masyarakat Terhadap Vaksinasi COVID-19 pada Media Sosial Twitter Menggunakan Algoritma Support Vector Machine ( SVM ). Jurnal Sistem Informasi Dan Informatika (Simika), 5(1), 59–67. https://doi.org/10.47080/simika.v5i1.1411

Zhafira, D. F., Rahayudi, B., & Indriati. (2021). Analisis Sentimen Kebijakan Kampus Merdeka Menggunakan Naive Bayes dan Pembobotan TF-IDF Berdasarkan Komentar pada YouTube. Jurnal Sistem Informasi, Teknologi Informasi, Dan Edukasi Sistem Informasi (JUST-SI), 2(1), 55–63. https://doi.org/10.25126/justsi.v2i1.24

Properti	Nilai Properti
Organisasi	Universitas Muhammadiyah Pekajangan Pekalongan
Email	umpp.pekalongan@yahoo.com
Alamat	Jl. Raya Pekajangan No. 1A Kedungwuni Pekalongan
Telepon	(0285) 7832294
Tahun	2026
Kota	Pekalongan
Provinsi	Jawa Tengah
Negara	Indonesia