Analisis Sentimen Masyarakat Terhadap Mainan Anak “Lato-Lato” Menggunakan Metode Support Vector Machine (Svm) Pada Media Sosial Youtube

Ahmad Roshid; Erizal, S.Kom., M.Kom.; Rahmi Imada, S.Kom., M.Kom.

Penulis

Ahmad Roshid Universitas Muhammadiyah Prof. Dr. Hamka
Erizal, S.Kom., M.Kom. Universitas Muhammadiyah Prof. Dr. Hamka
Rahmi Imada, S.Kom., M.Kom. Universitas Muhammadiyah Prof. Dr. Hamka

Kata Kunci:

analisis sentimen, support vector machine, youtube, lato-lato, sentiment analisist, support vector machine, YouTube, clackers

Abstrak

Lato-lato adalah mainan anak yang sempat viral di Indonesia. Mainan anak ini cukup menuai kontroversi di masyakarat Indonesia karena mainan ini menciptakan suara yang cukup bising ketika dimainkan tetapi juga memiliki beberapa dampak yang positif bagi anak. Tujuan dari penelitian ini adalah untuk menganalisa sentiment masyarakat Indonesia terhadap mainan lato-lato dari komentar video di sosial media YouTube. Proses yang dilakukan adalah crawling data, preprocessing, normalisasi, pelabelan, dan klasifikasi SVM. Setelah dilakukan proses klasifikasi SVM dengan kernel linear, didapat akurasi sebesar 81%. Untuk sentiment positif didapati precision sebesar 80%, recall 85% dan f1-score 82%, untuk sentiment negatif didapati precision sebesar 83%, recall 77% dan f1-score sebesar 80%. Dari hasil analsisis sentiment tersebut, lebih banyak masyarakat Indonesia yang menanggapi mainan lato-lato secara positif yang menandakan bahwa masyarakat Indonesia melihat mainan lato-lato ini bukanlah sebuah masalah dan banyak manfaat positif yang didapat dari mainan lato-lato.

Unduhan

Data unduhan belum tersedia.

Biografi Penulis

Ahmad Roshid, Universitas Muhammadiyah Prof. Dr. Hamka

Mahasiswa Program Studi Sistem Teknologi Informasi, Fakultas Teknologi Industri dan Informatika, UHAMKA

Erizal, S.Kom., M.Kom., Universitas Muhammadiyah Prof. Dr. Hamka

Dosen Fakultas Teknologi Industri dan Informatika, UHAMKA

Rahmi Imada, S.Kom., M.Kom., Universitas Muhammadiyah Prof. Dr. Hamka

Dosen Fakultas Teknologi Industri dan Informatika, UHAMKA

Referensi

A. Mahmudan, “Pengguna Youtube Indonesia Terbesar Ketiga di Dunia pada 2022,” 2022. https://dataindonesia.id/internet/detail/pengguna-youtube-indonesia-terbesar-ketiga-di-dunia-pada-2022 (accessed Jan. 13, 2023).

Chely Aulia Misrun, E. Haerani, M. Fikry, and E. Budianita, “Analisis sentimen komentar youtube terhadap Anies Baswedan sebagai bakal calon presiden 2024 menggunakan metode naive bayes classifier,” J. CoSciTech (Computer Sci. Inf. Technol., vol. 4, no. 1, pp. 207–215, 2023, doi: 10.37859/coscitech.v4i1.4790.

L. Zain, “Sejarah Lato-Lato yang Sedang Tren, Bukan dari Indonesia,” 2023. https://www.idntimes.com/science/discovery/laili-zain-damaika-1/sejarah-lato-lato?page=all (accessed May 06, 2023).

H. Syah and A. Witanti, “Analisis Sentimen Masyarakat Terhadap Vaksinasi Covid-19 Pada Media Sosial Twitter Menggunakan Algoritma Support Vector Machine (Svm),” J. Sist. Inf. dan Inform., vol. 5, no. 1, pp. 59–67, 2022, doi: 10.47080/simika.v5i1.1411.

V. Kevin, S. Que, A. Iriani, and H. D. Purnomo, “Analisis Sentimen Transportasi Online Menggunakan Support Vector Machine Berbasis Particle Swarm Optimization ( Online Transportation Sentiment Analysis Using Support Vector Machine Based on Particle Swarm Optimization ),” vol. 9, no. 2, pp. 162–170, 2020.

I. Verawati and B. S. Audit, “Algoritma Naïve Bayes Classifier Untuk Analisis Sentiment Pengguna Twitter Terhadap Provider By.u,” J. Media Inform. Budidarma, vol. 6, no. 3, p. 1411, 2022, doi: 10.30865/mib.v6i3.4132.

H. Tuhuteru and A. Iriani, “Analisis Sentimen Perusahaan Listrik Negara Cabang Ambon Menggunakan Metode Support Vector Machine dan Naive Bayes Classifier,” J. Inform. J. Pengemb. IT, vol. 3, no. 3, pp. 394–401, 2018, doi: 10.30591/jpit.v3i3.977.

B. Laurensz and Eko Sediyono, “Analisis Sentimen Masyarakat terhadap Tindakan Vaksinasi dalam Upaya Mengatasi Pandemi Covid-19,” J. Nas. Tek. Elektro dan Teknol. Inf., vol. 10, no. 2, pp. 118–123, 2021, doi: 10.22146/jnteti.v10i2.1421.

R. Aditya, “Fakta Lato-lato, Begini Asal-usul hingga Manfaat Mainan Anak Viral di Media Sosial,” 2022. https://www.suara.com/news/2022/12/24/114007/fakta-lato-lato-begini-asal-usul-hingga-manfaat-mainan-anak-viral-di-media-sosial (accessed Jan. 14, 2022).

D. V. Putsanra, “Apa Itu Lato Lato, Berasal dari Mana, dan Siapa Penciptanya?,” 2022. https://tirto.id/apa-itu-lato-lato-berasal-dari-mana-dan-siapa-penciptanya-gAq7 (accessed Feb. 13, 2023).

D. Mualfah, Ramadhoni, R. Gunawan, and D. Mulyadipa Suratno, “Analisis Sentimen Komentar YouTube TvOne Tentang Ustadz Abdul Somad Dideportasi Dari Singapura Menggunakan Algoritma SVM,” J. Fasilkom, vol. 13, no. 01, pp. 72–80, 2023, doi: 10.37859/jf.v13i01.4920.

Iin Ernawati, “Naïve Bayes Classifier Dan Support Vector Machine Sebagai Alternatif Solusi Untuk Text Mining,” JTIP, vol. 12, no. 2, pp. 1–7, 2019.

Z. Alhaq, A. Mustopa, S. Mulyatun, and J. D. Santoso, “Penerapan Metode Support Vector Machine Untuk Analisis Sentimen Pengguna Twitter,” J. Inf. Syst. Manag., vol. 3, no. 2, pp. 44–49, 2021, doi: 10.24076/joism.2021v3i2.558.

E. R. Indriyani, P. Paradise, and M. Wibowo, “Perbandingan Metode Naïve Bayes dan Support Vector Machine Untuk Analisis Sentimen Terhadap Vaksin Astrazeneca di Twitter,” J. Media Inform. Budidarma, vol. 6, no. 3, p. 1545, 2022, doi: 10.30865/mib.v6i3.4220.

F. Romadoni, Y. Umaidah, and B. N. Sari, “Text Mining Untuk Analisis Sentimen Pelanggan Terhadap Layanan Uang Elektronik Menggunakan Algoritma Support Vector Machine,” J. Sisfokom (Sistem Inf. dan Komputer), vol. 9, no. 2, pp. 247–253, 2020, doi: 10.32736/sisfokom.v9i2.903.

M. R. A. Yudianto, A. Rahim, P. Sukmasetya, and R. A. Hasani, “Perbandingan Metode Support Vector Machine Dengan Metode Lexicon Dalam Analisis Sentimen Bahasa Indonesia,” J. Teknol. Inf., vol. 6, no. 1, pp. 7–13, 2022, [Online]. Available: https://github.com/fajri91/InSet.

D. D. Kurnianto and S. Waluyo, “Pajak Diperiksa Kpk Pada Youtube Menggunakan Metode K-Nearest Neighbor Analysis Of Public Sentiment Towards Former Tax Officials Examined By The Kpk On Youtube Using The K- Nearest Neighbor Method,” Senafti, vol. 2, no. September, pp. 632–641, 2023.

A. N. Ulfah and M. K. Anam, “Analisis Sentimen Hate Speech Pada Portal Berita Online Menggunakan Support Vector Machine (SVM),” JATISI (Jurnal Tek. Inform. dan Sist. Informasi), vol. 7, no. 1, pp. 1–10, 2020, doi: 10.35957/jatisi.v7i1.196.

F. J. Wahidna and P. Nerisafitra, “Analisis Sentimen Pengguna Sistem Pay Later Menggunakan Support Vector Machine Metode Pembobotan Lexicon,” J. Informatics Comput. Sci., vol. 04, pp. 334–343, 2023, doi: 10.26740/jinacs.v4n03.p334-343.

W. Bourequat and H. Mourad, “Sentiment Analysis Approach for Analyzing iPhone Release using Support Vector Machine,” Int. J. Adv. Data Inf. Syst., vol. 2, no. 1, pp. 36–44, 2021, doi: 10.25008/ijadis.v2i1.1216.

D. Darwis, E. S. Pratiwi, and A. F. O. Pasaribu, “Penerapan Algoritma Svm Untuk Analisis Sentimen Pada Data Twitter Komisi Pemberantasan Korupsi Republik Indonesia,” Edutic - Sci. J. Informatics Educ., vol. 7, no. 1, pp. 1–11, 2020, doi: 10.21107/edutic.v7i1.8779.