ANALISIS SENTIMEN PENGGUNA YOUTUBE TERHADAP POLEMIK PENGADAAN CHROMEBOOK MENGGUNAKAN ALGORITMA NAIVE BAYES
Abstract
Program pengadaan Chromebook oleh Kementerian Pendidikan, Kebudayaan, Riset, dan Teknologi (Kemendikbudristek) telah memicu beragam opini publik di media sosial, khususnya YouTube. Studi ini bertujuan untuk menganalisis tren sentimen publik dan mengevaluasi kinerja algoritma Naive Bayes Classifier dalam mengklasifikasikan opini tersebut. Sebanyak 789 baris ulasan dikumpulkan menggunakan YouTube Data API v3. Tahapan penelitian meliputi pra-pemrosesan data (case folding, tokenisasi, penyaringan, dan stemming), pelabelan otomatis menggunakan kamus leksikon, dan pembagian dataset dengan rasio 80:20 (631 data pelatihan dan 158 data pengujian). Hasil pelabelan menunjukkan bahwa opini publik didominasi oleh sentimen Netral sebesar 60,2%, diikuti oleh sentimen Positif sebesar 31,7%, dan sentimen Negatif sebesar 8,1%. Berdasarkan hasil pengujian sistem, model Naive Bayes berhasil mencapai Akurasi Global sebesar 72,15%. Model tersebut terbukti sangat kuat dalam mengenali sentimen Positif, mencapai tingkat presisi 95%, dan sangat sensitif dalam mendeteksi kelas Netral dengan tingkat recall 99%. Namun, metrik evaluasi untuk kelas Negatif tercatat 0,00 karena ketidakseimbangan data dalam sampel pengujian minoritas. Secara keseluruhan, studi ini menyimpulkan bahwa mayoritas publik memiliki sikap objektif, dan model yang dikembangkan dianggap representatif untuk memetakan opini publik.
References
Duei Putri, D., Nama, G. F., & Sulistiono, W. E. (2022). Analisis Sentimen Kinerja Dewan Perwakilan Rakyat (DPR) Pada Twitter Menggunakan Metode Naive Bayes Classifier. Jurnal Informatika dan Teknik Elektro Terapan, 10(1), 22–29.
Farah Zhafira, D., & Rahayudi, B. (2021). Analisis Sentimen Kebijakan Kampus Merdeka Menggunakan Naive Bayes dan Pembobotan TF-IDF Berdasarkan Komentar pada Youtube. Jurnal Pengembangan Teknologi Informasi dan Ilmu Komputer, 5(13), 5780–5787.
Fatah, Z., & Ismardani, M. T. (2026). Analisis Sentimen Komentar Pengguna YouTube Terhadap Kebijakan Penyitaan Tanah oleh Pemerintah Menggunakan Metode Naïve Bayes. Jurnal Informatika dan Sistem Informasi, 12(1), 59–66.
Febriyani, E., & Februariyanti, H. (2020). Analisis Sentimen Terhadap Program Kampus Merdeka Menggunakan Algoritma Naive Bayes Classifier Di Twitter. Jurnal Teknologi Informasi dan Komputer, 17(1), 45–52.
Husna, A. N., & Rianto, P. (2021). Membaca Komentar di Media Sosial Sebagai Hiburan: Studi Etnografi Virtual Pengguna YouTube. Jurnal Komunikasi, 13(2), 145–158.
Khoirul, M., Hayati, U., & Nurdiawan, O. (2023). Analisis Sentimen Aplikasi BRImo pada Ulasan Pengguna di Google Play Menggunakan Algoritma Naive Bayes. Jurnal Mahasiswa Teknik Informatika (JATI), 7(1), 312–318.
Muslimin, M., & Lusiana, V. (2023). Analisis Sentimen Terhadap Kenaikan Harga Bahan Pokok Menggunakan Metode Naive Bayes Classifier. Jurnal Media Informatika Budidarma, 7(3), 1198–1206.
Nurian, A., & Nurina Sari, B. (2021). Analisis Sentimen Ulasan Pengguna Aplikasi Google Play Menggunakan Naive Bayes. Jurnal Informatika dan Teknik Elektro Terapan, 11(3), 101–109.
Rizky Herdiansyah, M., & Yuliana, A. (2024). Analisis Sentimen Kebijakan Kampus Merdeka Menggunakan Naïve Bayes Berdasarkan Komentar pada YouTube. Jurnal Mahasiswa Teknik Informatika (JATI), 8(6), 7120–7127.
Sebayang, S. K. H., & Sofyan, A. S. (2022). Analisis Kesalahan Berbahasa pada Sosial Media Instagram dalam Postingan, Komentar, dan Cerita Singkat. Jurnal Serunai Bahasa Indonesia, 19(2), 88–96.
Tutiasri, R. P., Laminto, N., & Nazri, K. (2020). Pemanfaatan Youtube Sebagai Media Pembelajaran Bagi Mahasiswa di Tengah Pandemi Covid-19. Jurnal Komunikasi Pendidikan, 4(2), 68–79.

