ANALISIS SENTIMEN KOMENTAR KONTEN EDUKATIF DI INSTAGRAM DENGAN METODE NAÏVE BAYES DAN SUPPORT VECTOR MACHINE

ANALISIS SENTIMEN KOMENTAR KONTEN EDUKATIF DI INSTAGRAM DENGAN METODE NAÏVE BAYES DAN SUPPORT VECTOR MACHINE

• By Ferry Andriansyah;
• S1 - Teknik Informatika
• 110

ABSTRAK

Ferry Andriansyah (12200196), ”ANALISIS SENTIMEN KOMENTAR KONTEN EDUKATIF DI INSTAGRAM DENGAN METODE NAÏVE BAYES DAN SUPPORT VECTOR MACHINE”.

Pesatnya perkembangan teknologi informasi mempengaruhi penggunaan media sosial, termasuk Instagram. Instagram menjadi salah satu platform yang cukup populer untuk berbagi konten edukatif. Penelitian ini dimaksudkan untuk menganalisa sentimen menggunakan metode Naïve Bayes dan Support Vector Machine (SVM) yang ada pada komentar didalam unggahan akun Instagram content creator yang berfokus pada pembuatan konten edukatif. Adapula penggunaan 4600 data komentar Instagram yang diklasifikasikan dalam tiga kelas sentimen berbeda yaitu, positif, netral dan negatif. Proses analisis sentimen melibatkan beberapa proses dan tahapan, diantaranya yaitu text preprocessing, ekstraksi fitur, dan penerapan algoritma Naïve Bayes dan SVM untuk klasifikasi sentimen. Hasil penelitian menunjukkan bahwa metode algoritma Naïve Bayes lebih unggul dibandingkan algoritma SVM. Ini ditujukan dengan nilai akurasi pada metode Naïve Bayes menunjukkan tingkat akurasi yang lebih tinggi dalam mengklasifikasikan sentimen dibandingkan dengan metode Support Vector Machine. Acuan ini ditujukan terhadap nilai akurasi sebesar 84% pada Naïve Bayes dan 80% pada SVM.

• Katakunci Analisis, Sentimen, Instagram, Naïve Bayes, Support Vector Machine, SVM, Klasifikasi, Komentar
• URL http://
• Penerbit Universitas Nusa Mandiri,

REFERENSI

DAFTAR PUSTAKA 

[1] D. A. Rabbani dan F. U. Najicha, “Pengaruh Perkembangan Teknologi terhadap Kehidupan dan Interaksi Sosial Masyarakat Indonesia.”

[2] Cindy Mutia Annur, “Ini Media Sosial Paling Banyak Digunakan di
Indonesia Awal 2024.” Diakses: 23 April 2024. [Daring]. Tersedia pada: https://databoks.katadata.co.id/datapublish/2024/03/01/ini-media-sosialpaling-banyak-digunakan-di-indonesia-awal-2024

[3] A. P. Sutrisno dan I. D. Mayangsari, “PENGARUH PENGGUNAAN MEDIA SOSIAL INSTAGRAM @HUMASBDG TERHADAP
PEMENUHAN KEBUTUHAN INFORMASI FOLLOWERS,” Jurnal
Common |, vol. 5, doi: 10.34010/common.

[4] F. S. Fujiawati dan R. M. Raharja, “PEMANFAATAN MEDIA SOSIAL (INSTAGRAM) SEBAGAI MEDIA PENYAJIAN KREASI SENI DALAM PEMBELAJARAN,” Jurnal Pendidikan dan Kajian Seni), vol. 6,
no. 1, 2021, [Daring]. Tersedia pada: https://andi.link/hootsuite-we-are-

[5] A. Mondaref Jon dan I. Vitra Paputungan, “ANALISIS SENTIMEN PADA MEDIA SOSIAL INSTAGRAM KLUB PERSIJA JAKARTA
MENGGUNAKAN METODE NAIVE BAYES.” [Daring]. Tersedia pada: https://www.instagram.com/persija/

[6] Z. Alhaq, A. Mustopa, dan J. D. Santoso, “PENERAPAN METODE
SUPPORT VECTOR MACHINE UNTUK ANALISIS SENTIMEN PENGGUNA TWITTER.”

[7] D. N. Novianti, D. F. Shiddieq, F. F. Roji, dan W. Susilawati, “Komparasi Algoritma Support Vector Machine dan Naïve Bayes untuk Analisis Sentimen pada Metaverse,” MALCOM: Indonesian Journal of Machine Learning and Computer Science, vol. 4, no. 1, hlm. 231–239, Jan 2024, doi: 10.57152/malcom.v4i1.1061.

[8] C. F. Hasri dan D. Alita, “PENERAPAN METODE NAÏVE BAYES
CLASSIFIER DAN SUPPORT VECTOR MACHINE PADA ANALISIS
SENTIMEN TERHADAP DAMPAK VIRUS CORONA DI TWITTER,”
Jurnal Informatika dan Rekayasa Perangkat Lunak (JATIKA), vol. 3, no. 2, hlm. 145–160, 2022, [Daring]. Tersedia pada: http://jim.teknokrat.ac.id/index.php/informatika
[9] W. Sejati, A. Singh Bist, dan A. Tambunan, “Karya ini berlisensi di bawah Creative Commons Attribution 4.0 (CC BY 4.0) Pengembangan Analisis Sentimen dalam Rekayasa Software Engineering menggunakan tinjauan literatur sistematis,” vol. 2, no. 1, hlm. 95–103, 2023, [Daring]. Tersedia pada: https://journal.pandawan.id/mentari/article/view/377

[10] A. Firdaus dan W. I. Firdaus, “Text Mining Dan Pola Algoritma Dalam Penyelesaian Masalah Informasi : (Sebuah Ulasan),” 2021.

[11] B. Hakim, “Analisa Sentimen Data Text Preprocessing Pada Data Mining Dengan Menggunakan Machine Learning,” JBASE - Journal of Business and Audit Information Systems, vol. 4, no. 2, Agu 2021, doi: 10.30813/jbase.v4i2.3000.

[12] J. Cervantes, F. Garcia-Lamont, L. Rodríguez-Mazahua, dan A. Lopez, “A comprehensive survey on support vector machine classification: Applications, challenges and trends,” Neurocomputing, vol. 408, hlm. 189– 215, Sep 2020, doi: 10.1016/j.neucom.2019.10.118.

[13] M. Ridho Handoko, “SISTEM PAKAR DIAGNOSA PENYAKIT
SELAMA KEHAMILAN MENGGUNAKAN METODE NAIVE BAYES
BERBASIS WEB,” Jurnal Teknologi dan Sistem Informasi (JTSI), vol. 2, no. 1, hlm. 50–58, 2021, [Daring]. Tersedia pada:
http://jim.teknokrat.ac.id/index.php/JTSI

[14] D. Asfi Warraihan, I. Permana, R. Novita, dan A. Marsal, “Analisis Sentimen Pengguna Transportasi Online Maxim Pada Instagram Menggunakan Naïve Bayes Classifier dan K-Nearest Neighbor,” vol. 7, no. 3, hlm. 1134–1143, 2023, doi: 10.30865/mib.v7i3.6336.

[15] A. Hidayatullah dan A. Berliana, “Workshop Pengenalan Dasar
Pemrograman Python Dengan Google Colaboratory.”

[16] R. Nurhidayat dan K. E. Dewi, “KOMPUTA : Jurnal Ilmiah Komputer dan Informatika PENERAPAN ALGORITMA K-NEAREST NEIGHBOR DAN FITUR EKSTRAKSI N-GRAM DALAM ANALISIS SENTIMEN BERBASIS ASPEK,” vol. 12, no. 1, 2023, [Daring]. Tersedia pada: https://www.kaggle.com/datasets/hafidahmusthaanah/skincarereview?select=00.+Review.csv.

[17] J. Syahrina dkk., “PENELITIAN TENTANG INSTAGRAM.”

[18] M. Rangga, A. Nasution, dan M. Hayaty, “Perbandingan Akurasi dan Waktu Proses Algoritma K-NN dan SVM dalam Analisis Sentimen Twitter,” JURNAL INFORMATIKA, vol. 6, no. 2, hlm. 212–218, 2019, [Daring]. Tersedia pada: http://ejournal.bsi.ac.id/ejurnal/index.php/ji

[19] S. Nurul, J. Fitriyyah, N. Safriadi, E. Esyudha, dan P. #3, “JEPIN (Jurnal Edukasi dan Penelitian Informatika) Analisis Sentimen Calon Presiden Indonesia 2019 dari Media Sosial Twitter Menggunakan Metode Naive Bayes”, [Daring]. Tersedia pada: http://dev.twitter.com.

[20] M. I. Fikri, T. S. Sabrila, Y. Azhar, dan U. M. Malang, “Perbandingan Metode Naïve Bayes dan Support Vector Machine pada Analisis Sentimen Twitter”.

[21] F. F. Rachman dan S. Pramana, “Analisis Sentimen Pro dan Kontra Masyarakat Indonesia tentang Vaksin COVID-19 pada Media Sosial Twitter,” 2020.

[22] E. Fitri, Y. Yuliani, S. Rosyida, dan W. Gata, “Analisis Sentimen Terhadap Aplikasi Ruangguru Menggunakan Algoritma Naive Bayes, Random Forest Dan Support Vector Machine,” TRANSFORMTIKA, vol. 18, no. 1, hlm. 71– 80, 2020, [Daring]. Tersedia pada: www.nusamandiri.ac.id,

[23] C. F. Hasri dan D. Alita, “PENERAPAN METODE NAÏVE BAYES CLASSIFIER DAN SUPPORT VECTOR MACHINE PADA ANALISIS SENTIMEN TERHADAP DAMPAK VIRUS CORONA DI TWITTER,” Jurnal Informatika dan Rekayasa Perangkat Lunak (JATIKA), vol. 3, no. 2, hlm. 145–160, 2022, [Daring]. Tersedia pada:
http://jim.teknokrat.ac.id/index.php/informatika

[24] I. P. Rahayu, A. Fauzi, dan J. Indra, “Analisis Sentimen Terhadap Program Kampus Merdeka Menggunakan Naive Bayes Dan Support Vector Machine,” Jurnal Sistem Komputer dan Informatika (JSON), vol. 4, no. 2, hlm. 296, Des 2022, doi: 10.30865/json.v4i2.5381.

[25] Putra. P. M. Rakhmawati. A. N. Adrian. R. M, “Perbandingan Metode Klasifikasi Random Forest dan SVM Pada Analisis Sentimen PSBB”.