ANALISIS SENTIMEN KOMENTAR NETIZEN TERHADAP VIDEO PEMINDAHAN DAN PEMBANGUNAN IBU KOTA NUSANTARA DI TIKTOK MENGGUNAKAN METODE NAÏVE BAYES
SENTIMENT ANALYSIS OF NETIZEN COMMENTS ON THE RELOCATION AND DEVELOPMENT OF NUSANTARA CAPITAL CITY IN TIKTOK USING THE NAÏVE BAYES METHOD
DOI:
https://doi.org/10.52972/hoaq.vol16no2.p181-185Keywords:
Analisis Sentimen, IKN, komentar netizen, Naïve Bayes, TikTokAbstract
Pemindahan Ibu Kota Negara (IKN) ke Kalimantan Timur, yang dikenal sebagai Ibu Kota Nusantara, telah menjadi topik diskusi yang luas di berbagai platform media social. TikTok, sebagai salah satu platform berbagai video yang popular di Indonesia, menjadi medium bagi Masyarakat untuk mengespresikan opini mereka terkait program Pembangunan IKN. Penelitian ini dilakukan menggunakan Klasifikasi Sentimen dengan menerapkan algoritma Naive Bayes pada komentar TikTok. Dataset yang digunakan terdiri dari 1.810 komentar berbahasa Indonesia yang dikumpulkan melalui Teknik web scraping dari video TikTok yang membahas pemindahan IKN. Setiap komentar dikategorikan ke dalam tiga kelas sentimen, yaitu positif, negatif, dan netral. Proses analisis mencakup tahapan pra-pemrosesan teks, seperti labeling, pembersihan data, tokenisasi, dan stemming, sebelum dilakukan pelatihan model klasifikasi menggunakan algoritma Naïve Bayes. Hasil penelitian ini menunjukkan bahwa mayoritas komentar bersentimen negatif. Model Naïve Bayes yang digunakan menghasilkan tingkat akurasi sebesar 65%. Penelitian ini diharapkan menjadi referensi dalam memahami opini publik secara real-time serta dalam pengembangan model klasifikasi sentimen yang lebih akurat pada platform media sosial.
The relocation of the National Capital City (IKN) to East Kalimantan, known as the Capital City of the archipelago, has become a topic of widespread discussion on various social media platforms. TikTok, as one of the popular video platforms in Indonesia, is a medium for the public to express their opinions regarding the IKN Development program. This research was conducted using Sentiment Classification by applying the Naive Bayes algorithm to TikTok comments. The dataset used consisted of 1,810 comments in Indonesian collected through web scraping techniques from TikTok videos discussing the transfer of the IKN. Each comment is categorized into three sentiment classes, which are positive, negative, and neutral. The analysis process includes pre-processing stages of text, such as labeling, data cleaning, tokenization, and stemming, before training the classification model using the Naïve Bayes algorithm. The results of this study show that the majority of comments have negative sentiments. The Naïve Bayes model used produces an accuracy rate of 65%. This research is expected to be a reference in understanding public opinion in real-time as well as in developing a more accurate sentiment classification model on social media platforms.
References
N. S. Wardani, A. Prahutama, and P. Kartikasari, “Analisis Sentimen Pemindahan Ibu Kota Negara dengan Klasifikasi Naïve Bayes Untuk Model Bernoulli dan Multinomial,” Jurnal Gaussian, vol. 9, no. 3, pp. 237-246, Aug. 2020. doi:10.14710/j.gauss.9.3.237-246.
S. F. Huwaida, R. Kusumawati, dan B. Isnaini, “Analisis Sentimen Komentar YouTube terhadap Pemindahan Ibu Kota Negara Menggunakan Metode Naïve Bayes,” Jambura Journal of Informatics, vol. 6, no. 1, hlm. 26–39, Apr 2024, doi: 10.37905/jji.v6i1.24718.
H. A. R. Harpizon, R. Kurniawan, I. Iskandar, R. Salambue, E. Budianita, and F. Syafria., “Analisis Sentimen Komentar di YouTube Tentang Ceramah Ustadz Abdul Somad Menggunakan Algoritma Naïve Bayes,” Jurnal Nasional Komputasi dan Teknologi Informasi, vol. 5, no. 1, pp. 131-140, Feb. 2023. doi: 10.19184/isj.v8i1.33937.
A. Fitriadin dan A. Sidiq Purnomo, “Analisis Sentimen Masyarakat Terhadap Pandemi Covid-19 pada Sosial Media Menggunakan Naïve Bayes Clasifier,” INFORMAL Informatics Journal, vol. 8, no. 1, pp. 51–57, Apr 2024, doi: 10.37905/jji.v6i1.24718.
S. F. Huwaida, R. Kusumawati, and B. Isnaini, “Analisis Sentimen Komentar YouTube terhadap Pemindahan Ibu Kota Negara Menggunakan Metode Naïve Bayes,” Jambura Journal of Informatics, vol. 6, no. 1, pp. 26–39, Apr 2024, doi: 10.37905/jji.v6i1.24718.
A. Safira, dan F. N. Hasan, “Analisis Sentimen Masyarakat Terhadap Paylater Menggunakan Metode Naive Bayes Classifier,” Jurnal Sistem Informasi vol. 5, no. 1, pp. 59–70, Jan. 2023, doi: 10.31849/zn.v5i1.12856.
Z. Li, R. Li, dan G. Jin, “Sentiment analysis of Danmaku Videos Based on Naïve Bayes and Sentiment Dictionary,” IEEE Access, vol. 8, pp. 75073–75084, 2020, doi: 10.1109/ACCESS.2020.2986582.
K. Redaksi, A. Af Supianto, B. Riset dan Inovasi Nasional BRIN, E. Rosana Widasari, dan I. Wahyuni, “UB Oicial BITS Webmail UB News Dewan Editor”, doi: 10.25126/jtiik.2023105.
F. M. Sarimole and W. Septian, “Analisis Sentimen Masyarakat Terhadap Isu Penundaan Pemilu 2024 pada Twitter dengan Metode Naive Bayes dan Support Vector Machine,” Jurnal Sains dan Teknologi, vol. 5, no. 3, pp. 890-899, Feb. 2024, doi: 10.55338/saintek.v5i1.2789.
L. Hermawan, M. B. Ismiati, “Pembelajaran Text Preprocessing berbasis Simulator Untuk Mata Kuliah Information Retrieval,” Jurnal Transformatika, vol. 17, no. 2, pp. 188–199, 2025, doi: 10.26623/transformatika.v17i2.1705.
Downloads
Published
How to Cite
Issue
Section
License
Copyright (c) 2025 HOAQ (High Education of Organization Archive Quality) : Jurnal Teknologi Informasi
This work is licensed under a Creative Commons Attribution 4.0 International License.
Jurnal HOAQ (High Education of Organization Archive Quality) : Jurnal Teknologi Informasi diterbitkan berdasarkan lisensi Creative Commons Attribution 4.0 International License (CC BY 4.0). Lisensi ini memungkinkan setiap orang untuk Berbagi: menyalin dan mendistribusikan kembali materi ini dalam format atau bentuk apapun; Adaptasi: merombak, mengubah, dan membuat turunan dari materi ini untuk keperluan apa pun, termasuk keperluan komersial, asalkan mereka memberikan pengakuan kepada Penulis Asli atas hasil karya aslinya.
