Analisis Sentimen Positif dan Negatif Komentar Video YouTube Menggunakan Metode Naïve Bayes – Support Vector Machine (NBSVM) Classifier

Abstract

Sentimen analis pada komentar video YouTube merupakan proses memahami, mengekstrak dan mengolah data tekstual secara otomatis untuk mendapat informasi sentimen yang terkandung dalam suatu kalimat komentar video YouTube. Beragam reaksi opini dalam komentar pengguna ketika melihat konten video yang di unggah di YouTube sangat mempengaruhi reputasi konten video dan channel tersebut. Konten video didalam YouTube sangat beragam, salah satu kategori yang mengalami pertumbuhan adalah konten video pendidikan yang menjadi bagian terpenting dalam mengedukasi masyarakat. Pendekatan text mining menjadi alternatif terbaik untuk mengartikan makna dari setiap komentar. Pengklasifikasian konten Positif dan Negatif menjadi sangat penting bagi pengguna YouTube untuk menilai seberapa bermakna konten yang telah diterbitkan tersebut berdasarkan opini pengguna. Naïve Bayes dan Support Vector Machine secara luas digunakan sebagai garis dasar dalam tugas-tugas yang berhubungan dengan teks tetapi kinerjanya bervariasi secara signifikan diseluruh varian, fitur dan jumlah kumpulan data. Naïve Bayes sangat baik dalam mengklasifikasikan teks dengan jumlah data yang kecil atau cuplikan dokumen dan snippets sedangkan Support Vector Machine sangat baik dalam mengklasifikasikan teks dengan jumlah data yang relative banyak atau dokumen yang panjang fulllength. Kombinasi dari metode Naïve Bayes dan Support Vector Machine menghasilkan tingkat akurasi yang lebih baik dan performa yang lebih kuat kuat dengan penggunaan skala data 7:3 yaitu 70% data training dan 30% data testing. Dengan menghasilkan nilai uji performansi terbesar yaitu precission sebesar 91%, recall sebesar 83% dan flscore sebesar 87%.