Analisis Sentimen Belajar Programming Pada Media Sosial Youtube Menggunakan Algoritma Klasifikasi Naive Bayes

Authors

  • Sella Adelia Universitas Muhammadiyah Kotabumi
  • Eva Milanda Universitas Muhammadiyah Kotabumi
  • Jena Santari Universitas Muhammadiyah Kotabumi
  • Dea Talia Kesuma Universitas Muhammadiyah Kotabumi
  • Echa Silvia Universitas Muhammadiyah Kotabumi
  • Fandi Kurniawan Universitas Muhammadiyah Kotabumi

DOI:

10.51519/journalita.v4i3.430

Keywords:

Naïve Bayes, Media Sosial, Pemerograman, Analisa Sentiment, Youtube

Abstract

Di era digital yang terus berkembang, media sosial, khususnya YouTube, telah menjadi sumber utama informasi dan pembelajaran yang mudah diakses melalui telepon seluler. Bukan hanya sebagai alat interaksi, media sosial juga menawarkan ilmu pengetahuan dan pembelajaran yang berlimpah, termasuk tutorial pemrograman dan pengembangan perangkat lunak. YouTube khususnya menarik karena menyediakan konten yang mudah dipahami dan menarik, seperti penggunaan algoritma Naive Bayes, yang sering dibahas namun kurang dipahami secara luas. Penelitian ini berfokus pada analisis sentimen belajar pemrograman di YouTube, menggunakan algoritma klasifikasi Naive Bayes untuk mengklasifikasikan sentimen dalam komentar sebagai positif, negatif, atau netral. Hasil menunjukkan bahwa algoritma Naive Bayes mampu mengklasifikasikan sentimen dengan akurasi 100% untuk sentimen positif dan 66,39% untuk sentimen negatif. Analisis ini memberikan wawasan tentang pandangan dan respons pengguna terhadap konten pembelajaran pemrograman di YouTube, yang dapat menjadi dasar untuk perbaikan dan pengembangan konten edukasi lebih lanjut.

References

D. F. Zhafira, B. Rahayudi, and I. Indriati, “Analisis Sentimen Kebijakan Kampus Merdeka Menggunakan Naive Bayes dan Pembobotan TF-IDF Berdasarkan Komentar pada Youtube,” J. Sist. Informasi, Teknol. Informasi, dan Edukasi Sist. Inf., vol. 2, no. 1, pp. 55–63, 2021, doi: 10.25126/justsi.v2i1.24.

S. Sahar, “Analisis Perbandingan Metode K-Nearest Neighbor dan Naïve Bayes Clasiffier Pada Dataset Penyakit Jantung,” Indones. J. Data Sci., vol. 1, no. 3, pp. 79–86, 2020, doi: 10.33096/ijodas.v1i3.20.

M. Hudha, E. Supriyati, and T. Listyorini, “Analisis Sentimen Pengguna Youtube Terhadap Tayangan #Matanajwamenantiterawan Dengan Metode Naïve Bayes Classifier,” JIKO (Jurnal Inform. dan Komputer), vol. 5, no. 1, pp. 1–6, 2022, doi: 10.33387/jiko.v5i1.3376.

A. Abdullah, A. Achmad, and S. Sahibu, “Media Pembelajaran Interaktif Mata Kuliah Pemograman Web Berbasis Android,” Inspir. J. Teknol. Inf. dan Komun., vol. 11, no. 1, p. 45, 2021, doi: 10.35585/inspir.v11i1.2626.

M. H. Rifqo and A. Wijaya, “Implementasi Algoritma Naive Bayes Dalam Penentuan Pemberian Kredit,” Pseudocode, vol. 4, no. 2, pp. 120–128, 2017, doi: 10.33369/pseudocode.4.2.120-128.

I. P. Rahayu, A. Fauzi, and J. Indra, “Analisis Sentimen Terhadap Program Kampus Merdeka Menggunakan Naive Bayes Dan Support Vector Machine,” J. Sist. Komput. dan Inform., vol. 4, no. 2, p. 296, 2022, doi: 10.30865/json.v4i2.5381.

A. Rachmat C and Y. Lukito, “Klasifikasi Sentimen Komentar Politik dari Facebook Page Menggunakan Naive Bayes,” J. Inform. dan Sist. Inf. Univ. Ciputra, vol. 02, no. 02, pp. 26–34, 2016.

B. W, I. Riski, K. Dwi, R. Nooraeni, T. Siahaan, and Y. Dhea, “Analisis Text Mining dari Cuitan Twitter Mengenai Infrastruktur di Indonesia dengan Metode Klasifikasi Naïve Bayes,” Eig. Math. J., vol. 2, no. 2, pp. 92–101, 2019, doi: 10.29303/emj.v1i2.36.

M. N. Akbar and Nirwana Samrin, “Analisis Sentimen Komentar Pengguna Aplikasi Threads Pada Google Playstore Menggunakan Algoritma Multinominal Naive Bayes Classfier,” AGENTS J. Artif. Intell. Data Sci., vol. 3, no. 2, pp. 21–29, 2023, doi: 10.24252/jagti.v3i2.67.

R. Putra NH, “Penerapan Teknik Web Scraping & Metode Term Frequency-Invers Document Frequency (Tf-Idf) Pada Pencarian Lowongan Kerja,” 2022.

E. Purnaningrum and I. Ariqoh2, “Google Trends Analytics Dalam Bidang Pariwisata,” Maj. Ekon., vol. 24, no. 2, pp. 232–243, 2019, doi: 10.36456/majeko.vol24.no2.a2069.

M. Ridwan, H. Suyono, and M. Sarosa, “Penerapan Data Mining Untuk Evaluasi Kinerja Akademik Mahasiswa Menggunakan Algoritma Naive Bayes Classifier,” Eeccis, vol. 7, no. 1, pp. 59–64, 2013, doi: 10.1038/hdy.2009.180.

Downloads

Published

2023-12-10

How to Cite

Adelia, S., Milanda, E., Santari, J., Kesuma, D. T., Silvia, E., & Kurniawan, F. (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