ANALISIS SENTIMEN KOMENTAR VIDEO MONOLOG GIBRAN MENGGUNAKAN NAIVE BAYES

• SYAIFUL HENDRI IRAWAN
• 2025

---

ABSTRAK

Kemajuan media digital telah mendorong partisipasi aktif masyarakat dalam memberikan tanggapan terhadap konten video di platform seperti YouTube. Penelitian ini bertujuan untuk menganalisis sentimen komentar pengguna terhadap video monolog berjudul “Generasi Muda, Bonus Demografi, dan Masa Depan Indonesia” dengan menerapkan algoritma Naive Bayes. Data dikumpulkan melalui scraping komentar YouTube pada periode April–Juni 2025 dan menghasilkan 2.490 komentar setelah melalui proses preprocessing dan pelabelan manual. Komentar kemudian dikonversi ke dalam representasi numerik menggunakan TF-IDF sebelum diklasifikasikan. Hasil menunjukkan bahwa 70.9% komentar bernada negatif dan 20.1% positif. Model klasifikasi Multinomial Naive Bayes yang dibangun berhasil mencapai akurasi sebesar 90.67%, dengan performa yang sangat baik dalam mengenali komentar negatif (presisi 91%, recall 97%) dan cukup baik pada komentar positif (presisi 90%, recall 76%). Temuan ini menunjukkan bahwa algoritma Naive Bayes efektif dalam menganalisis opini publik terhadap konten digital berbahasa Indonesia.

Kata Kunci: Analisis Sentimen, Naive Bayes, Komentar YouTube, Klasifikasi Teks

 

ABSTRACT
The rise of digital media has encouraged active public engagement through responses to video content on platforms like YouTube. This study aims to analyze user sentiment on a monologue video titled “Generasi Muda, Bonus Demografi, dan Masa Depan Indonesia” using the Naive Bayes algorithm. Comments were collected via YouTube scraping between April and June 2025, resulting in 2,490 entries after preprocessing and manual labeling. These comments were transformed into numerical vectors using TF-IDF and classified using a Multinomial Naive Bayes model. Results showed that 70.9% of the comments expressed negative sentiment, while 20.1% were positive. The classification model achieved an accuracy of 90.67%, demonstrating excellent performance in identifying negative comments (precision 91%, recall 97%) and good performance for positive ones (precision 90%, recall 76%). These findings suggest that the Naive Bayes algorithm is effective for sentiment analysis on Indonesian-language digital content.

Keywords: Sentiment Analysis, Naive Bayes, YouTube Comments, Text Classification

Tautan dinonaktifkan.