Analisis Sentimen Komentar Youtube Terkait Vidio Demo DPR Menggunakan Algoritma Naïve Bayes
DOI:
https://doi.org/10.35473/jamastika.v5i1.4677Abstract
mengekspresikan pandangan dan reaksi mereka terhadap berbagai isu, termasuk peristiwa sosial dan politik seperti demonstrasi DPR. Dalam studi ini, metode Naïve Bayes digunakan untuk mengategorikan komentar teks berbahasa Indonesia pada video terkait dibagi menjadi tiga kategori: positif, negatif, dan netral. Hasilnya menunjukan bahwa mayoritas komentar bersifat netral (88,1%), dengan 9,3% negatif dan hanya 2,4% positif, yang menunjukan bahwa pengguna umumnya mengekspresikan reaksi non-emosional atau umum tanpa dukungan atau kritik eksplisit. Selain itu, efektivitas algoritma dalam mengklasifikasikan sentimen teks Bahasa Indonesia telah dibuktikan, terutama setelah Langkah-langkah pra proses yang tepat diterapkan. Studi ini berkontribusi pada literatur dengan mengkaji opini public terhadap isu-isu demonstrasi publik, menawarkan temuan yang dapat digunakan oleh pemangku kepentingan dalam memahami reaksi public yang cepat.
Kata Kunci: Analisis Sentimen, Naïve Bayes, Demo DPR, Youtube
YouTube has grown in popularityas a social networking site for the public to express their views and reactions toward various issues, including social and political events such as the DPR demonstrations. In this study, the Nave Bayes algorithm was used to classify Indonesian-language text comments on DPR-related videos devided positive, negative, and neutral. The findings indicate that the majority of comments are neutral (88.1%), with 9.3% negative and only 2.4% positive, indicating that users generally expressed non-emotional or general reactions without explicit support or criticism. Moreover, the effectiveness of the algorithm in classifying Indonesian text sentiment has been demonstrated, especially after proper preprocessing steps are applied. This research of literature looking into public opinions toward political demonstration issues, offering conclusions that might be used as a guide for stakeholders in understanding rapid public reactions
Keywords: Sentiment Analysis, Naïve Bayes, DPR Demo, YouTube.
References
Aiswarya A S, & Rajeev, H. (2024). Youtube Comment Sentimental Analysis. Indian Journal of Data Mining, 4(1), 5–8. https://doi.org/10.54105/ijdm.a1633.04010524
Andrew, C., Budiyantara, A., & Lewenusa, I. (2024). Analisis Sentimen Komentar Pengguna YouTube Untuk Ponsel Di Indonesua Berbasis Web. Scientica: Jurnal Ilmiah Sains Dan Teknologi, 3 No. 2, 175–188. https://jurnal.kolibi.org/index.php/scientica/article/view/4212
Angdresey, A., Sitanayah, L., & Tangka, I. L. H. (2025). Sentiment Analysis for Political Debates on YouTube Comments using BERT Labeling, Random Oversampling, and Multinomial Naïve Bayes. Journal of Computing Theories and Applications, 2(3), 342–354. https://doi.org/10.62411/jcta.11668
Ardiyansyah, R., Makmur, I., & Phai, S. P. (2024). SEMINAR NASIONAL CORISINDO Sentimen Komentar Youtube Dengan Sentiment Intensity Analyzer Dari NLTK. 31–36.
Armaeni, P. P., Wiguna, I. K. A. G., & Parwita, W. G. S. (2024). Sentiment Analysis of YouTube Comments on the Closure of TikTok Shop Using Naïve Bayes and Decision Tree Method Comparison. Jurnal Galaksi, 1(2), 70–80. https://doi.org/10.70103/galaksi.v1i2.15
Firsttama, R. A., Arifiyanti, A. A., & Kartika, D. S. Y. (2024). Analisis Sentimen Komentar Youtube Konferensi Tingkat Tinggi G20 Menggunakan Metode Naive Bayes. Jurnal Teknologi Dan Sistem Informasi Bisnis, 6(2), 282–285. https://doi.org/10.47233/jteksis.v6i2.1263
Gudiato, C., Cahyaningtyas, C., & P., N. (2024). Analisis Sentimen Komentar Youtube Terhadap Tayangan #Terbaru! Temuan dan Masalah Ahlak Di Ponpes Al-zaytun Menggunakan Metode Naïve Bayes. G-Tech : Jurnal Teknologi Terapan, 8(1), 186–195. https://ejournal.uniramalang.ac.id/index.php/g-tech/article/view/1823/1229
Rambe, T. S., Hasibuan, M. N. S., & Dar, M. H. (2023). Sentiment Analysis of Beauty Product Applications using the Naïve Bayes Method. SinkrOn, 8(2), 980–989. https://doi.org/10.33395/sinkron.v8i2.12303
Teknik, J., Informasi, T., Andhini, A., Handayani, F. N., Diasih, I., Jl, A., No, B., Serengan, K., Surakarta, K., & Tengah, J. (2025). Analisis Sentimen Opini Publik pada Channel Youtube Mata Najwa Menggunakan Metode SVM Universitas Duta Bangsa Surakarta , Indonesia Perkembangan pesat media sosial dan platform video seperti YouTube telah menciptakan ruang baru bagi masyarakat untuk menge. 5.
Zaehol Fatah, M. (2025). In TIK dan Masyarakat (pp. 144-147). Yogyakarta: PT. Penamuda Media.
Fauzan, R. A., & Mufti, M. (2023). Analisis Sentimen Komentar Youtube Program Kampus Merdeka Berbasis Web Menggunakan Algoritma Multinomial Naïve Bayes. Seminar Nasional Mahasiswa Fakultas Teknologi Informasi (SENAFTI), 2(2), 864–871. https://senafti.budiluhur.ac.id/index.php/senafti/article/view/929/563
Harahap, S. M., & Kurniawan, R. (2024). Analisis Sentimen Komentar Youtube Terhadap Food Vlogger Dengan Menggunakan Metode Naïve Bayes. MEANS (Media Informasi Analisa Dan Sistem), 9(1), 87–96. https://doi.org/10.54367/means.v9i1.3912
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
Mulyati, S., Syawali, F., Slameto, I. N., Nugraha, R. S., & Ratama, N. (2022). Pengembangan Aplikasi Web Penerimaan Beasiswa Menggunakan Model Waterfall. 5(4), 226–235. https://doi.org/10.32493/jtsi.v5i4.21125
Rambe, T. S., Hasibuan, M. N. S., & Dar, M. H. (2023). Sentiment Analysis of Beauty Product Applications using the Naïve Bayes Method. SinkrOn, 8(2), 980–989. https://doi.org/10.33395/sinkron.v8i2.12303
