ANALISIS PENGARUH FILM “ICE COLD” KASUS KOPI SIANIDA TERHADAP SENTIMEN PENGGUNA YOUTUBE DENGAN SVM DAN RANDOM FOREST
Main Article Content
Abstract
Kemajuan teknologi saat ini memungkinkan pertukaran informasi dengan mudah melalui media sosial, yang telah berkembang pesat sejak tahun 1970-an. Di Indonesia, dengan populasi 276,4 juta jiwa, terdapat 167 juta pengguna aktif media sosial, termasuk 139 juta pengguna YouTube, platform berbagi video terpopuler. Fitur YouTube memungkinkan interaksi pengguna melalui komentar dan melihat topik trending, seperti kasus kematian Wayan Mirna Salihin, yang kembali menjadi perhatian setelah penayangan film dokumenter "Ice Cold" di Netflix pada 23 September 2023. Penelitian ini bertujuan untuk menganalisis sentimen komentar pengguna YouTube dengan jumlah 4000 data komentar terkait kasus Kopi Sianida dengan konten yang berfokus kepada Jessica Wongso sebelum dan sesudah penayangan film menggunakan lexicon based dan dilanjutkan dengan klasifikasi menggunakan dua algoritma yaitu Support Vector Machine (SVM) dan Random Forest. Dengan metode Lexicon-based menggunakan kamus InSet, penelitian ini mengelompokkan sentimen menjadi dua kategori: positif dan negatif. Hasil penelitian menunjukkan bahwa penayangan film "Ice Cold" dapat meningkatkan simpati pengguna Youtube terhadap Jessica Wongso, dibuktikan dengan peningkatan sentimen positif dari data sebelum penayangan ke sesudah penayangan film. Selain itu, evaluasi performa model algoritma menunjukkan bahwa SVM memiliki akurasi terbaik dalam klasifikasi sentimen, baik pada data sebelum maupun sesudah penayangan film "Ice Cold".
Article Details
This work is licensed under a Creative Commons Attribution-NonCommercial-ShareAlike 4.0 International License.
Copyright (c) STMIK TIMEReferences
E. G. Ruus, L. A. Latumakulita, and J. D. Prang, “Analisis Sentimen di Media Online menggunakan metode Naive Bayes,” d’CARTESIAN J. Mat. dan Apl., no. September, pp. 18–22, 2022, [Online]. Available: https://ejournal.unsrat.ac.id/index.php/decartesian/article/view/36624%0Ahttps://ejournal.unsrat.ac.id/index.php/decartesian/article/viewFile/36624/39057
A. P. Natasuwarna, “Seleksi Fitur Support Vector Machine pada Analisis Sentimen Keberlanjutan Pembelajaran Daring,” Techno.Com, vol. 19, no. 4, pp. 437–448, 2020, doi: 10.33633/tc.v19i4.4044.
H. B. Tambunan and T. W. D. Hapsari, “Analisis Opini Pengguna Aplikasi New PLN Mobile Menggunakan Text Mining,” Petir, vol. 15, no. 1, pp. 121–134, 2021, doi: 10.33322/petir.v15i1.1352.
M. J. Aufa and A. Qoiriah, “Analisis Sentimen Pengguna Platform Belajar Online Coursera menggunakan Random Forest dengan Metode Ekstraksi Fitur Word2vec,” J. Informatics Comput. Sci., vol. 04, pp. 244–255, 2023, doi: 10.26740/jinacs.v4n02.p244-255.
S. I. Nurhafida and F. Sembiring, “Analisis Sentimen Aplikasi Novel Online Di Google Play Store Menggunakan Algoritma Support Vector Machine (SVM),” J. Sains Komput. Inform. (J-SAKTI, vol. 6, no. 1, pp. 317–327, 2022.
F. Koto and G. Y. Rahmaningtyas, “Inset lexicon: Evaluation of a word list for Indonesian sentiment analysis in microblogs,” Proc. 2017 Int. Conf. Asian Lang. Process. IALP 2017, vol. 2018-Janua, no. December, pp. 391–394, 2017, doi: 10.1109/IALP.2017.8300625.
S. R. Yustihan, P. P. Adikara, and Indriati, “Analisis Sentimen berbasis Aspek terhadap Data Ulasan Rumah Makan menggunakan Metode Support Vector Machine (SVM),” J. Pengemb. Teknol. Inf. dan Ilmu Komput., vol. 5, no. 3, pp. 1017–1023, 2021, [Online]. Available: http://j-ptiik.ub.ac.id
E. Hokijuliandy, H. Napitupulu, and Firdaniza, “Application of SVM and Chi-Square Feature Selection for Sentiment Analysis of Indonesia’s National Health Insurance Mobile Application,” Mathematics, vol. 11, no. 17, 2023, doi: 10.3390/math11173765.
M. Fikri and R. Sarno, “A comparative study of sentiment analysis using SVM and Senti Word Net,” Indones. J. Electr. Eng. Comput. Sci., vol. 13, no. 3, pp. 902–909, 2019, doi: 10.11591/ijeecs.v13.i3.pp902-909.
S. S. Aljameel et al., “A sentiment analysis approach to predict an individual’s awareness of the precautionary procedures to prevent covid-19 outbreaks in Saudi Arabia,” Int. J. Environ. Res. Public Health, vol. 18, no. 1, pp. 1–12, 2021, doi: 10.3390/ijerph18010218.
A. ELHAN, M. K. D. HARDHIENATA, H. YENI, S. WIJAYA HARTONO, and J. ADISANTOSO, “Analisis Sentimen Pengguna Twitter terhadap Vaksinasi COVID-19 di Indonesia menggunakan Algoritme Random Forest dan BERT Sentiment Analysis of Twitter Users on COVID-19 Vaccines in Indonesia using Random Forest and BERT Algorithms,” J. Ilmu Komput. Agri-informatika, vol. 9, no. 2, pp. 199–211, 2022, [Online]. Available: https://jurnal.ipb.ac.id/index.php/jika/article/view/44459
D. Cahyanti, A. Rahmayani, and S. A. Husniar, “Analisis performa metode Knn pada Dataset pasien pengidap Kanker Payudara,” Indones. J. Data Sci., vol. 1, no. 2, pp. 39–43, 2020, doi: 10.33096/ijodas.v1i2.13.