Analisis Sentimen Komentar Di YouTube Tentang Ceramah Ustadz Abdul Somad Menggunakan Algoritma Naïve Bayes

Habibi Al Rasyid Harpizon; Rahmad Kurniawan; Iwan Iskandar; Roni Salambue; Elvia Budianita; Fadhilah Syafria

doi:10.32672/jnkti.v5i1.4008

Analisis Sentimen Komentar Di YouTube Tentang Ceramah Ustadz Abdul Somad Menggunakan Algoritma Naïve Bayes

Habibi Al Rasyid Harpizon, Rahmad Kurniawan, Iwan Iskandar, Roni Salambue, Elvia Budianita, Fadhilah Syafria

Abstract

Abstrak - Sosial media tidak hanya digunakan oleh masyarakat Indonesia untuk hiburan, tetapi juga sebagai media edukasi. Youtube merupakan salah satu media sosial yang terkenal di Indonesia dengan 93,8% pengguna. Youtube juga dimanfaatkan sebagai media Dakwah seperti yang dilakukan oleh Ustadz Abdul Somad. Ustadz Abdul Somad merupakan ulama yang berpengaruh di Indonesia. Beliau sering mengunggah video yang membahas berbagai jenis persoalan agama khususnya pada bidang hadist dan fiqih. Pengguna Youtube dapat memberikan feedback berupa like, dislike dan komentar terhadap video yang ditayangkan. Feedback diperlukan oleh pembuat konten di Youtube untuk melihat tanggapan pengguna. Analisa secara manual sulit dilakukan karena jumlah data yang besar. Oleh karena itu, penelitian ini bertujuan untuk menganalisis sentimen masyarakat terhadap Ustadz Abdul Somad melalui komentar youtube menggunakan algoritma Naïve Bayes. Penelitian ini menggunakan 1000 komentar dari 10 video yang ada di Youtube mengenai Ustad Abdul Somad. Naïve Bayes merupakan algoritma yang sederhana, namun memiliki akurasi yang tinggi dan dapat digunakan pada data yang sedikit. Berdasarkan hasil penelitian, didapatkan sebanyak 67% berkomentar positif, 27% berkomentar netral dan 6% berkomentar negatif. Berdasarkan pengujian didapatkan akurasi sebesar 87%, presisi 91% dan recall 97%. Berdasarkan pengujian tersebut dapat disimpulkan bahwa penelitian ini dapat digunakan untuk hasil sentimen dengan cepat di Youtube.

Kata kunci: Analisis Sentimen, Naïve Bayes, Ustadz Abdul Somad, Youtube

Abstract - Indonesian people have been used Youtube for entertainment and as an education. As Indonesia's most popular social media, Youtube has 93.8% users. YouTube is also used as a medium of Da'wah, like Ustadz Abdul Somad. Ustadz Abdul Somad is an influential Preacher in Indonesia. He often uploads videos that lecture various types of religious issues, especially in the fields of hadith and fiqh. YouTube users can provide feedback in the form of likes, dislikes, and comments on videos that are shown. Creators need feedback on YouTube to see user feedback. Manual analysis is complicated because of the large amount of data. Therefore, this study aimed to analyze public sentiment towards Ustadz Abdul Somad through YouTube comments using the Naïve Bayes algorithm. This study obtained 1000 comments from 10 videos about Ustad Abdul Somad. Naïve Bayes is a simple algorithm with high accuracy and can be used on small data. Based on the results, it was found that 67% commented positively, 27% commented neutrally, and 6% commented negatively. Based on the experimental testing, the accuracy is 87%, precision is 91%, and recall is 97%. Based on these tests, it can be concluded that this research can be used for quick sentiment results on YouTube.

Keywords: Sentiment Analysis, Naïve Bayes, Ustadz Abdul Somad, Youtube

Keywords

Analisis Sentimen, Naïve Bayes, Ustadz Abdul Somad, Youtube, Sentiment Analysis

Full Text:

PDF

References

R. Kurniawan, F. Lestari, A. S. Batubara, M. Z. A. Nazri, K. Rajab, and R. Munir, “Indonesian Lexicon-Based Sentiment Analysis of Online Religious Lectures Review,” 2021.

C. Dabas, P. Kaur, and N. Gulati, “Analisis Komentar di Video Youtube menggunakan Hadoop,” 2021.

Puspitsari, “STRATEGI DAKWAH USTADZ ABDUL SOMAD DALAM KLARIFIKASI PENOLAKAN DAKWAH MELALUI MEDIA SOSIAL YOUTUBE SKRIPSI,” 2018.

D. A. Muthia, “ANALISIS SENTIMEN PADA REVIEW RESTORAN DENGAN TEKS BAHASA INDONESIA MENGUNAKAN,” vol. 2, no. 2, pp. 39–45, 2017.

D. Aridarma, R. Sadikin, B. S. Prakoso, and H. S. Utama, “USTADZ ABDUL SOMAD LECTURE SENTIMENT ANALYSIS USING SUPPORT VECTOR MACHINE ALGORITHM COMPARISON OF,” vol. 1, pp. 111–116, 2018.

J. Pratama, “Klasifikasi sentimen terhadap ustadz abdul somad di media sosial youtube menggunakan metode support vector machine tugas akhir,” 2021.

R. N. Devita et al., “PERBANDINGAN KINERJA METODE NAIVE BAYES DAN K-NEAREST NEIGHBOR UNTUK KLASIFIKASI ARTIKEL BERBAHASA INDONESIA PERFORMANCE COMPARISON OF NAIVE BAYES AND K-NEAREST NEIGHBOR,” vol. 5, no. 4, pp. 427–434, 2018.

D. Ajeng and L. Marlinda, “Comparison of SVM & Naïve Bayes Algorithm for Sentiment Analysis Toward West Java Governor Candidate Period 2018-2023 Based on Public Opinion on Twitter,” 2018 6th Int. Conf. Cyber IT Serv. Manag., no. Citsm, pp. 1–6, 2018.

T. Setiadi, “PENERAPAN TEXT MINING PADA SISTEM KLASIFIKASI,” vol. 2, pp. 73–83, 2014.

O. N. Rahim, “ANALISIS SENTIMEN UNTUK MENGUKUR POPULARITAS TOKOH PUBLIK BERDASAR DATA PADA MEDIA SOSIAL TWITTER MENGGUNAKAN ALGORITMA DATAMINING DENGAN TEKNIK KLASIFIKASI,” vol. VI, no. 2, 2014.

M. Priandi, “Analisis Sentimen Masyarakat Terhadap Pembelajaran Daring di Era Pandemi Covid-19 pada Media Sosial Twitter Menggunakan Ekstraksi Fitur Countvectorizer dan Algoritma K-Nearest Neighbor,” no. September, pp. 311–319, 2021.

E. Chandra, “YOUTUBE, CITRA MEDIA INFORMASI INTERAKTIF ATAU MEDIA PENYAMPAIAN ASPIRASI PRIBADI,” pp. 406–417, 2010.

R. Noviani and S. Sulindawaty, “Sistem Pakar Mendiagnosa Gizi Buruk Pada Balita Menggunakan Teorema Bayes,” J. Nas. Komputasi dan Teknol. Inf., vol. 3, no. 2, pp. 163–169, 2020.

H. Muhamad et al., “OPTIMASI NAÏVE BAYES CLASSIFIER DENGAN MENGGUNAKAN PARTICLE,” vol. 4, no. 3, pp. 180–184, 2017.

M. S. Adhi, M. Z. Naf’an, and E. Usada, “JURNAL RESTI Pengaruh Semantic Expansion pada Naïve Bayes Classifier untuk Analisis Sentimen Tokoh Masyarakat,” vol. 3, no. 2, pp. 141–147, 2019.

D. A. Putri, D. A. Kristiyanti, and E. Indrayuni, “Comparison of Naive Bayes Algorithm and Support Vector Machine using PSO Feature Selection for Sentiment Analysis on E-Wallet Review Comparison of Naive Bayes Algorithm and Support Vector Machine using PSO Feature Selection for Sentiment Analysis on E-Wallet Review,” 2020.

D. S. Pamungkas, N. A. Setiyanto, and E. Dolphina, “ANALISIS SENTIMENT PADA SOSIAL MEDIA TWITTER MENGGUNAKAN NAIVE BAYES CLASSIFIER TERHADAP KATA KUNCI ‘KURIKULUM 2013,’” vol. 14, no. 4, pp. 299–314, 2015.

D. Sinaga and C. Jatmoko, “ANALISIS SENTIMEN UNTUK MENGETAHUI KESAN PLAYER GAME MOBILE LEGENDS MENGGUNAKAN NAÏVE BAYES CLASSIFIER,” vol. 0, pp. 540–547, 2020.

L. K. Wardhani and D. Octaviano, “Perbandingan Seleksi Fitur Term Frequency & Tri-Gram Character Menggunakan Algoritma Naïve Bayes Classifier ( Nbc ) Pada Tweet Hashtag # 2019gantipresiden,” vol. 9, no. 1, pp. 103–114, 2020.

A. Tumanggor and P. S. Hasugian, “Penerapan Data Mining Untuk Memprediksi Tingkat Kemampuan Anak Dalam Mengikuti Mata Pelajaran Dengan Metode C4. 5 Pada SDN 105351 Bakaran Batu,” J. Nas. Komputasi dan Teknol. Inf., vol. 4, no. 1, pp. 57–63, 2021.

C. Simanjuntak and F. Riandari, “Sistem Pakar Mendiagnosa Penyakit Keputihan Pada Wanita Dengan Metode Teorema Bayes,” J. Nas. Komputasi dan Teknol. Inf., vol. 4, no. 2, 2021.

DOI: https://doi.org/10.32672/jnkti.v5i1.4008