PERBANDINGAN ALGORITMA NAÏVE BAYES DAN K-NEAREST NEIGHBOR (KNN) PADA VIDEO YOUTUBE MENGENAI GLOBAL WARMING

Authors

  • Aldi Himawan POLITEKNIK TEDC BANDUNG
  • Castaka Agus Sugianto POLITEKNIK TEDC BANDUNG

DOI:

https://doi.org/10.36423/index.v6i2.1803

Abstract

Pemanasan global merupakan salah satu tantangan lingkungan utama yang dihadapi dunia saat ini, disebabkan oleh peningkatan emisi gas rumah kaca. Media sosial, khususnya YouTube, menjadi platform penting dalam menyebarkan informasi dan menciptakan kesadaran tentang isu-isu ini. Penelitian ini bertujuan untuk menganalisis sentimen masyarakat terhadap video YouTube yang membahas pemanasan global, khususnya video yang dibuat oleh Najwa Shihab. Dua metode klasifikasi digunakan, yaitu Naïve Bayes dan K-Nearest Neighbor (KNN), untuk mengklasifikasikan komentar pengguna menjadi kategori positif atau negatif. Data komentar dikumpulkan menggunakan teknik web scraping pada Februari 2024, dan dianalisis menggunakan metode SEMMA Data Mining Process. Hasil analisis menunjukkan bahwa metode Naïve Bayes dan KNN memberikan kinerja yang kompetitif dalam mengklasifikasikan sentimen komentar-komentar ini. Evaluasi dilakukan dengan membagi dataset komentar menjadi beberapa rasio pelatihan dan pengujian, Evaluasi dilakukan dengan membagi dataset komentar menjadi beberapa rasio pelatihan dan pengujian: 70:30, 80:20, dan 90:10. Hasil analisis menggunakan rasio 90:10 yang sudah dilakukan menggunakan 10-fold cross validation menunjukkan bahwa algoritma Naïve Bayes memperlihatkan kinerja yang kompetitif dengan akurasi sebesar 79.17%, presisi sebesar 80.76% recall sebesar 79.17%, dan f1-score sebesar 78.68%. Sementara itu, K-Nearest Neighbor juga menunjukkan kinerja yang kompetitif, dengan akurasi sebesar 76.06% , presisi sebesar 76.70%, recall sebesar 76.06%, dan f1-score sebesar 75.98% . Hasil pengujian T-Test menujukan perbedaan yang signifikan antara algoritma Naïve Bayes dan K-Nearest Neighbor dengan nilai probabilstik 0.0001 kurang dari nilai alpha yaitu 0.05 yang menunjukan bahwa algoritma Naïve Bayes lebih unggul performanya. Selain itu, analisis sentimen menunjukkan bahwa mayoritas komentar memiliki sentimen negatif, mencerminkan bahwa video tersebut berhasil meningkatkan kesadaran masyarakat mengenai isu pemanasan global dan memicu diskusi yang konstruktif.  

References

H. Nik, T. Agus, and P. M. Wiji, “Strategi Penanggulangan Pemanasan Global Terhadap Dampak Laju Perekonomian Dalam Pandangan Islam,” J. Din. Ekon. Syariah, vol. 9, no. 2, pp. 168–183, 2022.

M. Haryadi, “Pemanfaatan Youtube Sebagai Media Ajar Dalam Meningkatkan Minat Dan Motivasi Belajar,” vol. 5, no. 1, pp. 135–159, 2019.

N. Laugu, “Eksistensi Media Sosial,Youtube, Instagram dan Whatsapp Ditengah Pandemi Covid-19 Dikalangan Masyarakat Virtual Indonesia,” vol. 4, no. 1, pp. 41–57, 2020.

G. A. Buntoro, “Analisis Sentimen Calon Gubernur DKI Jakarta 2017 Di Twitter,” INTEGER J. Inf. Technol., vol. 2, no. 1, pp. 32–41, 2017, doi: 10.31284/j.integer.2017.v2i1.95.

W. A. Prabowo and C. Wiguna, “Analisis Sentimen Pembelajaran Daring Pada Twitter di Masa Pandemi COVID-19 Menggunakan Metode Naïve Bayes,” J. Media Inform. Budidarma, vol. 5, no. 1, pp. 157–163, 2021, doi: 10.30865/mib.v5i1.2604.

C. A. Sugianto and S. Tresnawati, “A Covid-19 Sentiment Analysis on Twitter Using K-Nearest Neighbours,” J. Appl. Intell. Syst., vol. 7, no. 1, pp. 58–69, 2022, doi: 10.33633/jais.v7i1.5984.

D. Era, S. Andryana, and A. Rubhasy, “Perbandingan Algoritma Naïve Bayes Dan K-Nearest Neighbor pada Analisis Sentimen Pembukaan Pariwisata Di Masa Pandemi Covid 19,” J. Sains Komput. Inform. (J-SAKTI, vol. 7, no. 1, pp. 263–272, 2023.

T. H. Apandi and C. A. Sugianto, “Analisis Komparasi Machine Learning Pada Data Spam Sms,” J. TEDC, vol. 12, no. 1, pp. 58–62, 2018.

M. Iqbal, A. Davy Wiranata, R. Suwito, and R. Faiz Ananda, “KLIK: Kajian Ilmiah Informatika dan Komputer Perbandingan Algoritma Naïve Bayes, KNN, dan Decision Tree terhadap Ulasan Aplikasi Threads dan Twitter,” Media Online, vol. 4, no. 3, pp. 1799–1807, 2023, doi: 10.30865/klik.v4i3.1402.

R. Puspita and A. Widodo, “Perbandingan Metode KNN, Decision Tree, dan Naïve Bayes Terhadap Analisis Sentimen Pengguna Layanan BPJS,” J. Inform. Univ. Pamulang, vol. 5, no. 4, pp. 646–654, 2021, doi: 10.32493/informatika.v5i4.7622.

W. Afifi, “Analisis sentimen pengguna twitter terhadap layanan internet pt indosat tbk dengan metode k-nearest neighbor (k-nn) dan naive bayes classifier (nbc),” Repository.Uinjkt.Ac.Id, 2022.

Downloads

Published

2024-11-30