Publikasi
Karya Ilmiah MahasiswaPencarian Spesifik
Kunjungan
YouTube merupakan salah satu platform media sosial yang memungkinkan pengguna untuk menyampaikan opini, pandangan, serta tanggapan secara bebas melalui kolom komentar. Interaksi tersebut menghasilkan berbagai opini yang beragam sehingga berpotensi menjadi sumber data yang relevan untuk dilakukan analisis sentimen. Analisis sentimen merupakan salah satu teknik dalam pengolahan teks yang digunakan untuk mengidentifikasi dan mengelompokkan opini pengguna ke dalam kategori sentimen tertentu. Penelitian ini bertujuan untuk menganalisis sentimen komentar pengguna YouTube pada video berjudul “Ariel Bahas tentang Musisi Cover di Podcast Dunia Manji” dengan menggunakan algoritma Naïve Bayes Classifier. Data yang digunakan dalam penelitian ini berupa 1.000 komentar YouTube yang dikumpulkan menggunakan YouTube Data API. Selanjutnya, data komentar tersebut dilabeli menggunakan metode lexicon-based yang mengelompokkan sentimen ke dalam tiga kategori, yaitu sentimen positif, sentimen negatif, dan sentimen netral. Tahapan penelitian yang dilakukan meliputi proses preprocessing teks yang terdiri dari case folding, tokenizing, stopword removal, dan stemming, kemudian dilanjutkan dengan proses ekstraksi fitur menggunakan metode Term Frequency–Inverse Document Frequency (TF-IDF). Setelah itu, proses klasifikasi sentimen dilakukan menggunakan algoritma Naïve Bayes Classifier. Evaluasi kinerja model dilakukan dengan menggunakan confusion matrix yang diukur berdasarkan metrik accuracy, precision, recall, dan F1-score. Hasil penelitian menunjukkan bahwa model Naïve Bayes menghasilkan nilai accuracy sebesar 77,00%, precision sebesar 78,92%, recall sebesar 77,00%, dan F1-score sebesar 69,02%. Hasil tersebut menunjukkan bahwa algoritma Naïve Bayes cukup efektif dalam mengklasifikasikan sentimen komentar YouTube, namun masih diperlukan pengembangan lebih lanjut untuk meningkatkan performa klasifikasi, terutama pada kelas sentimen negatif dan netral
Adelia, S., Kurniawan, F., Milanda, E., Santari, J., Kesuma, D. T., & Silvia, E. (2023). Analisis Sentimen Belajar Programming Pada Media Sosial Youtube Menggunakan Algoritma Klasifikasi Naive Bayes. Journal of Information Technology Ampera, 4(3), 254–264.
Artanto, F. A., Rosyadi, I., Rahmawati, S. E., & Pangestu, H. T. B. J. (2022). Decision Tree Dalam Analisis Keputusan Pembelian Program Pada Perkumpulan Penggiat Programmer Indonesia. Jurnal Fasilkom, 12(3), 141–144. https://doi.org/10.37859/jf.v12i3.3948
Aufar, A. F., Mochamad Alfan Rosid, Eviyanti, A., & Astutik, I. R. I. (2023). Optimizing Text Preprocessing for Accurate Sentiment Analysis on E-Wallet Reviews. JICTE (Journal of Information and Computer Technology Education), 7(2), 42–50. https://doi.org/10.21070/jicte.v7i2.1650
Azahra, S., Wangsa, N., & Khoirudin, A. (2025). Analisis Sentimen Media Sosial X terhadap Gerakan Muhammadiyah Menggunakan Algoritma Naïve Bayes Analysis of Social Media Sentiment X towards the Muhammadiyah Movement Using the Naïve Bayes Algorithm. 6(1), 9–17.
Azmi, A. F., & Voutama, A. (2024). Prediksi Churn Nasabah Bank Menggunakan Klasifikasi Random Forest Dan Decision Tree Dengan Evaluasi Confusion Matrix. Komputa?: Jurnal Ilmiah Komputer Dan Informatika, 13(1), 111–119. https://doi.org/10.34010/komputa.v13i1.12639
Bangkit Indarmawan Nugroho, Zaenal Ma’arif, Z. A. (2022). Penerapan Data Mining Metode Klasifikasi Untuk Menganalisa Penyalahgunaan Sosial Media. Journal.Peradaban.Ac.Id, 3(2), 46–51. https://journal.peradaban.ac.id/index.php/jsitp/article/view/1265
Christian, Y., Wibowo, T., & Lyawati, M. (2024). Sentiment Analysis by Using Naïve Bayes Classification and Support Vector Machine, Study Case Sea Bank. Sinkron, 9(1), 258–275. https://doi.org/10.33395/sinkron.v9i1.13141
Farros, M., Haq, I., Rosyadi, I., Nasir, M., & Khambali, A. (2024). Sentiment Analisis Ulasan Aplikasi Livin Pada Google Play Store. 14(1), 24–29.
Firdaus, A., Firdaus, W. I., Studi, P., Informatika, T., Digital, M., & Sriwijaya, P. N. (2021). TextMiningDanPolaAlgoritmaDalamPenyelesaianMasalahInformasi. Jurnal.Polsri.Ac.Id, 13(1), 66–78. jurnal.polsri.ac.id
Firdaus, M. F., Ratnawati, D. E., & Setiawan, N. Y. (2024). Analisis Sentimen Berbasis Aspek Pada Ulasan Pelanggan Restoran Menggunakan Algoritma Support Vector Machine (Studi Kasus: Depot Bamara). Jurnal Teknologi Informasi Dan Ilmu Komputer, 11(6), 1265–1272. https://doi.org/10.25126/jtiik.2024117564
Harpizon, H. A. R., Kurniawan, R., Iwan Iskandar, Salambue, R., Budianita, E., & Syafria, F. (2022). Analisis Sentimen Komentar Di YouTube Tentang Ceramah Ustadz Abdul Somad Menggunakan Algoritma Naïve Bayes. JNKTI (Jurnal Nasional Komputasi Dan Teknologi Informasi), 5(1), 10.
Hermawan, L., & Bellaniar Ismiati, M. (2020). Pembelajaran Text Preprocessing berbasis Simulator Untuk Mata Kuliah Information Retrieval. Jurnal Transformatika, 17(2), 188–199. https://doi.org/10.26623/transformatika.v17i2.1705
Homepage, J., Ningsih, W., Alfianda, B., & Wulandari, D. (2024). MALCOM: Indonesian Journal of Machine Learning and Computer Science Comparison of Naive Bayes and SVM Algorithms in Twitter Sentiment Analysis on Electric Car Use in Indonesia Perbandingan Algoritma SVM dan Naïve Bayes dalam Analisis Sentimen Twitter pada. 4(2), 556–562.
Huwaida, S. F., Kusumawati, R., & Isnaini, B. (2024). Analisis Sentimen Komentar YouTube terhadap Pemindahan Ibu Kota Negara Menggunakan Metode Naïve Bayes. Jambura Journal of Informatics, 6(1), 26–39. https://doi.org/10.37905/jji.v6i1.24718
Khoirudin, M. M., Wiranto, & Winarno. (2018). News Opinion Mining around Universitas Sebelas Maret Using Naive Bayes Algorithm. Jurnal Ilmiah Teknologi Dan Informasi, 7(1), 1–7. https://jurnal.uns.ac.id/itsmart/article/view/21134
Kusuma Wardani, S., & Arum Sari, Y. (2021). Analisis Sentimen menggunakan Metode Naïve Bayes Classifier terhadap Review Produk Perawatan Kulit Wajah menggunakan Seleksi Fitur N-gram dan Document Frequency Thresholding. Jurnal Pengembangan Teknologi Informasi Dan Ilmu Komputer, 5(12), 5582–5590. http://j-ptiik.ub.ac.id
Kusumawardani, 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(2), 225–231. http://doi.org/10.33395/remik.v6i2.11494
Manullang, O., Prianto, C., & Harani, N. H. (2023). Analisis Sentimen Untuk Memprediksi Hasil Calon Pemilu Presiden Menggunakan Lexicon Based Dan Random Forest. Jurnal Ilmiah Informatika, 11(02), 159–169. https://doi.org/10.33884/jif.v11i02.7987
Mulyani, A., Kurniadi, D., & Hakim, I. L. (2021). Web Scraping Pada Web Media Digital untuk Membangun Aplikasi Android. Jurnal Algoritma, 18(1), 313–322. https://doi.org/10.33364/algoritma/v.18-1.949
Nawawi, H. M., Hikmah, A. B., Mustopa, A., & Wijaya, G. (2024). Model Klasifikasi Machine Learning untuk Prediksi Ketepatan Penempatan Karir Era modern telah dipenuhi oleh kompleksitas pasar kerja yang terus berubah , maka dari itu penting bagi maupun organisasi untuk untuk mengatasi kompleksitas dan dalam pengambilan. 14(1), 13–25.
Pambudi, R. E., Purnomo, H., & Aglasia, A. (2025). Analisis Klasifikasi Sentimen Pengguna MyPertamina Menggunakan Metode Evaluasi Precision, Recall, dan F1-Score. Aisyah Journal of Informatics and Electrical Engineering, 07(02), 17–22. https://jti.aisyahuniversity.ac.id/index.php/AJIEE
Problematika, K., Nuruddien, M., Basyar, M. F., Intan, R., Fajrin, M., & Fikri, M. (2025). Iseedu. 9(2), 213–223.
Refni Wahyuni, Muhardi, Yulanda, & Yuda Irawan. (2025). Model Prediksi Risiko Kebakaran Hutan Menggunakan Algoritma Random Forest dengan Seleksi Fitur Lasso Regression. JEKIN - Jurnal Teknik Informatika, 5(1), 91–100. https://doi.org/10.58794/jekin.v5i1.998
Saifulloh, M., & Hariyanto, D. (2024). Youtube Media Komunikasi dan Bisnis Milenial. Intelektualitas Jurnal Penelitian Lintas Keilmuan, 1(2), 46–53. https://doi.org/10.47134/intelektualitas.v1i2.2706
Santoso, G. F., Eliawati, A. J., Triana, E. W., Fathurrahman, A., Kusuma, P., Ilmiah, R. D., & Nooraeni, R. (2021). Respon Masyarakat Terhadap KebijakanPsbb Sebagai Penekan Angka Covid-19. JIKO (Jurnal Informatika Dan Komputer), 5(2), 38–48. https://ejournal.akakom.ac.id/index.php/jiko/article/download/401/pdf
Saputro, T. H., & Hermawan, A. (2021). The Accuracy Improvement of Text Mining Classification on Hospital Review through The Alteration in The Preprocessing Stage. International Journal of Computer and Information Technology(2279-0764), 10(4), 140–146. https://doi.org/10.24203/ijcit.v10i4.138
Setiyawan, A., Wijayanto, A. W., & He Youshi. (2022). Extracting Consumer Opinion on Indonesian E-Commerce: A Rating Evaluation and Lexicon-Based Sentiment Analysis. Proceedings of The International Conference on Data Science and Official Statistics, 2021(1), 2–11. https://doi.org/10.34123/icdsos.v2021i1.22
Shevira, S., Suarjaya, I. M. A. D., & Buana, P. W. (2022). Pengaruh Kombinasi dan Urutan Pre-Processing pada Tweets Bahasa Indonesia. JITTER?: Jurnal Ilmiah Teknologi Dan Komputer, 3(2), 1074. https://doi.org/10.24843/jtrti.2022.v03.i02.p06
Soleh, A. (2017). Klasifikasi Komentar Youtube Menggunakan Metode Naïve Bayes Classifier. Angewandte Chemie International Edition, 6(11), 951–952., 5–24.
Srirahayu, A., & Pribadie, L. S. (2023). Review Paper Data Mining Klasifikasi Data Mining. Jurnal Ilmiah Informatika Global, 14(1). https://doi.org/10.36982/jiig.v14i1.2981
Studi, P., Informasi, S., Sains, F., Teknologi, D. A. N., Islam, U., Syarif, N., & Jakarta, H. (2023). No Title.
Sunaria, I., Rosyadi, I., & Handayani, H. (2020). Sistem Informasi Wisata Religi Islam Kabupaten Pekalongan Berbasis Android. Jurnal Surya Informatika, 9(1), 11–21.
Supian, A., Tri Revaldo, B., Marhadi, N., Efrizoni, L., & Rahmaddeni, R. (2024). Perbandingan Kinerja Naïve Bayes Dan Svm Pada Analisis Sentimen Twitter Ibukota Nusantara. Jurnal Ilmiah Informatika, 12(01), 15–21. https://doi.org/10.33884/jif.v12i01.8721
Supriyatna, S., & Fahrudin, E. (2024). Pemanfaatan Algoritma Text Mining Dalam Menemukan Pola Risiko Bencana Sebagai Pengetahuan Kebencanaan Dari Dokumen Kajian Risiko Bencana (Krb) 1*. Jurnal Informatika Utama, 2(1), 35–42. https://doi.org/10.55903/jitu.v2i1.xx
Sutrisno, D., Dewi, A. Y., & Rosyadi, I. (2023). Rancang Bangun Aplikasi Instrumen Perkuliahan Pada Fakultas Teknik dan Ilmu Komputer UMPP Berbasis WEB. Jurnal Surya Informatika, 13(1), 52–60. https://doi.org/10.48144/suryainformatika.v13i1.1440
Tri Ayu Mareta, Desty Endrawati Subroto, Lailaturrohmah Aulia, Siti Nuryanah, & Ratu Najwa Fadilah. (2025). Peran Media Sosial Youtube sebagai Media Edukasi dalam Pendidikan Generasi Z. Guruku: Jurnal Pendidikan Dan Sosial Humaniora, 3(1), 98–106. https://doi.org/10.59061/guruku.v3i1.894
Widyanto, T., Ristiana, I., & Wibowo, A. (2023). Komparasi Naïve Bayes dan SVM Analisis Sentimen RUU Kesehatan di Twitter. SINTECH (Science and Information Technology) Journal, 6(3), 147–161. https://doi.org/10.31598/sintechjournal.v6i3.1433
Yamin, M. A., Kusnadi, K., & Bayuaji, L. (2024). Optimasi Algoritma Support Vector Machine (SVM) Dengan Menggunakan Feature Selection Gain Ratio Untuk Analisis Sentimen. INOVTEK Polbeng - Seri Informatika, 9(1), 326–340. https://doi.org/10.35314/isi.v9i1.4197
| Properti | Nilai Properti |
|---|---|
| Organisasi | Universitas Muhammadiyah Pekajangan Pekalongan |
| umpp.pekalongan@yahoo.com | |
| Alamat | Jl. Raya Pekajangan No. 1A Kedungwuni Pekalongan |
| Telepon | (0285) 7832294 |
| Tahun | 2026 |
| Kota | Pekalongan |
| Provinsi | Jawa Tengah |
| Negara | Indonesia |