Analisis Sentimen Masyarakat Terhadap Pembatasan Akses Media Sosial Bagi Anak Pada Platform YouTube Menggunakan Metode Support Vector Machine (SVM)
Article Sidebar
Abstract Views: 4
File Views: 2
Main Article Content
Abstract
Isu pembatasan akses media sosial bagi anak menimbulkan berbagai respons masyarakat di YouTube. Namun, kecenderungan sentimen masyarakat terhadap isu tersebut belum diketahui secara jelas karena komentar yang muncul memiliki bentuk opini yang beragam dan tidak terstruktur. Penelitian ini dilakukan untuk menganalisis sentimen masyarakat dengan menerapkan metode Support Vector Machine (SVM). Data yang digunakan berupa 1000 komentar YouTube yang dikumpulkan melalui teknik scraping. Data kemudian diproses melalui tahap preprocessing, pembobotan TF-IDF, dan oversampling untuk menyeimbangkan kelas sentimen. Hasil penelitian menunjukkan bahwa sentimen negatif menjadi yang paling dominan, yaitu 581 komentar atau 58,1%, diikuti sentimen netral sebanyak 229 komentar atau 22,9%, dan sentimen positif sebanyak 190 komentar atau 19,0%. Pengujian menunjukkan SVM memperoleh akurasi 0,81 serta cukup mampu mengenali sentimen positif dan netral, meskipun masih kesulitan membedakan komentar negatif dan netral.
Article Details
This work is licensed under a Creative Commons Attribution-NonCommercial 4.0 International License.
References
Adelia, S., Kurniawan, F., Milanda, E., Santari, J., Kesuma, D. T., & Silvia, E. (2023). Analisis Sentimen Belajar Programming Pada Media Sosial Youtube Menggunakan Algoritma Klasifikasi Naive Bayes. Journal of Information Technology Ampera, 4(3), 254–264. https://doi.org/10.51519/journalita.v4i3.430
Asrumi, Suharijadi, D., Setiari, agustina D., & Wulanda, D. P. (2023). Analisis Sentimen dan Penggalian Opini.
Hidayat, Santoso, F., & Lidimillah, L. F. (2024). Analisis Sentimen Pengguna YouTube Tentang Rohingya Menggunakan Algoritma SVM (Support Vector Machine). G-Tech : Jurnal Teknologi Terapan, 8(3), 1729–1738. https://doi.org/https://doi.org/10.33379/gtech.v8i3.4497
Karimah, A., Dwilestari, G., & Mulyawan. (2024). Analisis Sentimen Komentar Video Mobil Listrik Di Platform Youtube Dengan Metode Naive Bayes. JATI (Jurnal Mahasiswa Teknik Informatika), 8(1), 767–773. https://doi.org/https://doi.org/10.36040/jati.v8i1.8373
Md, R., Restiyan, R. D., & Irsyad, H. (2024). Analisis Sentimen Masyarakat terhadap Perilaku Lawan Arah yang diunggah pada Media Sosial Youtube Menggunakan Naïve Bayes. BANDWIDTH: Journal of Informatics and Computer Engineering, 02(02), 75–83. https://doi.org/https://doi.org/10.53769/bandwidth.v2i2.706
Mola, S. adi S., Roma, R. V. . I. O., & Widiastuti, T. (2025). Text Mining Analisis Sentimen dengan Lexicon.
Muasaroh, Y. I., Fatah, Z., & Baijuri, A. (2025). Analisis Sentimen Komentar Youtube Terhadap Isu Ijazah Presiden Jokowi menggunakan Support Vector Machine dan Random Forest. 1(2), 371–380. https://ejurnal.sttdumai.ac.id/index.php/prosidingsemnas/article/view/1546
Saputra, A., Nurdiyani, I., Nurhidayah, U. S., Maesaroh, S., Informatika, T., Teknik, F., Bakti, U. M., & Barat, T. J. (2026). Analisis Sentimen Masyarakat Terhadap Penanganan Banjir Bandang di Pulau Sumatra Berdasarkan Komentar Youtube Menggunakan Metode Support Vector Machine ( SVM ). Jurnal Ilmiah Multidisiplin, 2(1), 2225–2239. https://doi.org/https://doi.org/10.63822/8d1vka43
Soesana, A., Subakti, H., Karwanto, Fitri, anisa, Kuswandi, S., Sastri, L., Ilham, F., aswan, N., Hasibuan, F. artauli, & Lestari, H. (2023). Metodologi Penelitian Kuantitatif.
Susanto, A., & Valentina, I. (2025). Analisis Sentimen Komentar YouTube terhadap Video “Purbaya Effect: Pertaruhan Ekonomi Indonesia” sebagai Cerminan Persepsi Publik Tahun 2025. JUSIFOR : Jurnal Sistem Informasi dan Informatika, 4(2), 185–191. https://doi.org/10.70609/jusifor.v4i2.8262
Thomas, S., Yuliana, & Noviyanti. P. (2021). Study Analisis Metode Analisis Sentimen pada YouTube. Journal of Information Technology, 1(1), 1–7. https://doi.org/10.46229/jifotech.v1i1.201
Umrona, R. D., Anwar, S. N., & Soelistijadi, R. (2025). Analisis Sentimen Komentar Youtube Terkait Kasus Pagar Laut Menggunakan Metode Knn (K-Nearest Neighbor). Jurnal Informatika Teknologi dan Sains (JINTEKS), 7(3), 1537–1544. https://doi.org/https://doi.org/10.51401/jinteks.v7i3.6251
Wicaksono, B., & Nastiti, V. R. S. (2024). Analisis Sentimen dalam Opini Publik di Chanel Youtube Indonesia Lawyers Club Tentang Isu Populer dengan Menggunakan Metode LSTM dan Bi-LSTM. Jurnal Algoritma, 22(2), 241–251. https://doi.org/10.33364/algoritma/v.21-2.1696
Widia, Aqsalia, Z. Y., Sari, S., Khoirunisa, N. U., & Kurniawan, F. (2024). Optimasi Algoritma Naive Bayes Untuk Menganalisis Sentimen Pada Konten Pemindahan Ibu Kota di Youtube. Journal of Computer and Information Systems Ampera, 5(2), 68–83. https://doi.org/10.51519/journalcisa.v5i1.451
Widianto, F. (2025). Analisis Sentimen Komentar Youtube tentang Konflik Iran-Israel Menggunakan Orange Data Mining. Sains Data Jurnal Studi Matematika dan Teknologi, 3(2), 81–88. https://doi.org/10.52620/sainsdata.v3i2.278
Zhafira, D. F., Rahayudi, B., & Indriati. (2021). Analisis Sentimen Kebijakan Kampus Merdeka Menggunakan Naïve Bayes dan Pembobotan TF-IDF Berdasarkan Komentar pada Youtube. Jurnal Sistem Informasi, Teknologi Informasi, dan Edukasi Sistem Informasi (JUST-SI), 2(1), 55–63. https://doi.org/10.25126/justsi.v2i1.24
Zulqarnain, Sultan, M. I., & Akbar, M. (2025). Analisis Sentimen Pemecatan Jokowi Pada Komentar Publik YouTube Tempo.co. Jurnal Kopis: Kajian Penelitian dan Pemikiran Komunikasi Penyiaran Islam, 07(02), 125–140. https://doi.org/10.33367/kpi.v7i2.6888