Analisis Sentimen Komentar Netizen terhadap Lagu JKT48 #KUSANGATSUKA Menggunakan Naive Bayes dan SVM

• IVAN MAULANA
• 2025

---

Analisis sentimen berperan penting untuk memahami persepsi publik terhadap karya digital. Penelitian ini bertujuan
menganalisis sentimen komentar netizen terhadap lagu “#KUSANGATSUKA” yang dirilis melalui kanal resmi YouTube JKT48. Dua
algoritma pembelajaran mesin, yaitu Naive Bayes dan Support Vector Machine (SVM), digunakan untuk mengklasifikasikan komentar
menjadi sentimen positif, netral, dan negatif. Data diperoleh melalui web scraping sebanyak 15.884 komentar, kemudian melalui
tahapan case folding, cleansing, normalisasi, tokenisasi, stopword removal, dan stemming. Data diseimbangkan dengan metode
undersampling menjadi 6.736 komentar. Ekstraksi fitur dilakukan menggunakan Term Frequency–Inverse Document Frequency (TF
IDF). Hasil pengujian menunjukkan bahwa Naive Bayes memperoleh akurasi 69,54%, sedangkan SVM mencapai 72,13% dengan nilai
precision, recall, dan f1-score yang lebih stabil di semua kelas. Hasil tersebut membuktikan bahwa SVM lebih unggul dalam klasifikasi
sentimen berdimensi tinggi, sementara Naive Bayes tetap relevan untuk analisis cepat. Penelitian ini diharapkan memberikan kontribusi
bagi pengembangan metode analisis sentimen dan strategi komunikasi dalam industri hiburan digital.

• Analisis Sentimen; Naive Bayes; Support Vector Machine; JKT48; YouTube

https://repository.bsi.ac.id/repo/72414/Analisis-Sentimen-Komentar-Netizen-terhadap-Lagu-JKT48--#KUSANGATSUKA-Menggunakan-Naive-Bayes-dan-SVM
File full-text dikunci.