Analisis Emosi Pada Live Chat Youtube 'Mata Najwa: 3 Bacapres Bicara Gagasan' Menggunakan Pendekatan Lexicon dan Algoritma Naive Bayes
DOI:
https://doi.org/10.70309/ticom.v12i3.132Keywords:
YouTube, Pemilu, EmoLex, TF-IDF, Multinomial Naive BayesAbstract
Pada tahun 2023, Indonesia memasuki periode politik krusial dalam ranah politik, menandai persiapan menuju pemilihan Presiden dan Wakil Presiden serta pemilu legislatif 2024. Dalam konteks ini, media sosial, khususnya YouTube, menjadi panggung utama interaksi politik. Mata Najwa, melalui kanal YouTube-nya, menjadi panggung sentral bagi interaksi politik dengan menyelenggarakan acara siaran langsung berjudul "3 Bacapres Bicara Gagasan" pada 19 September 2023. Pada kesempatan tersebut, para bakal calon Presiden berbagi gagasan dan pandangan langsung kepada masyarakat, memanfaatkan kemajuan teknologi komunikasi. Peran YouTube dalam lanskap politik semakin signifikan, dan respons emosional dalam live chat menjadi fokus analisis. Penelitian ini bertujuan untuk melakukan analisis emosi terhadap pandangan atau respon masyarakat kepada acara yang diselenggarakan pada kanal youtube Mata Najwa tersebut. Dengan memanfaatkan kamus kata EmoLex, analisis emosi pada dataset yang besar menjadi lebih efisien tanpa memerlukan pelabelan emosi secara manual. Pendekatan machine learning dilakukan melalui ekstraksi fitur TF-IDF dan penerapan Algoritma Multinomial Naive Bayes untuk menganalisis emosi dari teks komentar. Dataset yang digunakan bersumber dari live chat pada acara inti Mata Najwa, yaitu pada saat para bacapres bicara gagasan mereka (Anies Baswedan, Ganjar Pranowo, dan Prabowo Subianto). Dengan menerapkan ekstraksi fitur TF-IDF dan klasifikasi, model yang dikembangkan mencapai tingkat akurasi sebesar 90.67% berdasarkan dataset gabungan ke-tiga bakal calon Presiden
References
M. Istianda and A. Zastrawati, “Evaluasi Penyelenggaraan Pemilu Serentak 2019 Kota Makassar,” Sebatik, vol. 25, no. 1, pp. 92-101, 2021.
F. V. Sari and A. Wibowo, “Analisis Sentimen Pelanggan Toko Online Jd.Id Menggunakan Metode Naive Bayes Classifier Berbasis Konversi Ikon Emosi,” Jurnal SIMETRIS, vol. 10, no. 2, pp. 681-686 2019.
D. Ariyanti and K. Iswardani, “Teks Mining untuk Klasifikasi Keluhan Masyarakat Menggunakan Algoritma Naive Bayes,” Jurnal IKRA-ITH Informatika, vol. 4, no. 3, pp. 125-132, 2020.
K. A. Nugraha, “Analisis Sentimen Berbasis Emoticon pada Komentar Instagram Bahasa Indonesia Menggunakan Naive Bayes,” Jurnal Teknik Informatika dan Sistem Informasi, vol. 7, no. 3, pp. 715-721 2021.
A. Mathur, P. Kubde, S. Vaidya, “Emotional Analysis using Twitter Data during Pandemic Situation: COVID-19,” Proceedings of the Fifth International Conference on Communication and Electronics Systems (ICCES 2020), 2020.
B. M. Akbar, A. T. Akbar, and R. Husaini, “Analisis Sentimen dan Emosi Vaksin Sinovac pada Twitter menggunakan Naive Bayes dan Valence Shifter,” Jurnal Teknologi Terpadu, vol. 7, no. 2, pp. 83-92 2021.
A. A. Ningtyas, A. Solichin, and R. Pradana, “Analisis Sentimen Komentar Youtube Tentang Prediksi Resesi Ekonomi Tahun 2023 Menggunakan Algoritme Naive Bayes,” Bit Fakultas Teknologi Informasi, vol. 20, no. 1, pp. 9-16, 2023.
A. Deolika, K. Kusrini, and E. T. Luthfi, “Analisis Pembobotan Kata pada Klasifikasi Text Mining,” Jurnal Teknologi Informasi, vol. 3, no. 2, pp. 179-184, 2019.
G. Czarnek and D. Stillwell, “Two is better than one: Using a single emotion lexicon can lead to unreliable conclusions,” PLoS One, vol. 17, no. 10, pp.1-22, 2022.
R. Asmara, M. F. Ardiansyah, and M. Anshori, “Analisa Sentiment Masyarakat terhadap Pemilu 2019 berdasarkan Opini di Twitter menggunakan Metode Naive Bayes Classifier,” Jurnal INOVTEK Polbeng - Seri Informatika, vol. 5, no. 2, pp. 193-204, 2020.
D. D. Putri, G. F. Nama, and W. E. Sulistiono, “Analisis Sentimen Kinerja Dewan Perwakilan Rakyat (DPR) Pada Twitter Menggunakan Metode Naive Bayes Classifier,” Jurnal Informatika dan Teknik Elektro Terapan, vol. 10, no. 1, pp. 34-40, 2022.
A. Wibowo and R. Wajhillah, “Information Retrieval Pemetaan Peta Jalan Penelitian Perguruan Tinggi Berbasis Dokumen Publikasi Ilmiah Dosen,” Jurnal Larik: Ladang Artikel Ilmu Komputer, vol. 2, no. 2, pp. 49-56 2022.
M. U. Albab, Y. Karuniawati P, and M. N. Fawaiq, “Optimization of the Stemming Technique on Text preprocessing President 3 Periods Topic,” Jurnal Transformatika, vol. 20, no. 2, pp. 1–10, 2023.
D. Arisandi, T. Sutrisno, and I. Kurniawan, “Klasifikasi Opini Masyarakat Di Twitter Tentang Kebocoran Data Yang Terjadi Di Indonesia Menggunakan Algoritma SVM,” Jurnal Informatika Kaputama (JIK), vol. 7, no. 1, pp. 84-90, 2023.
F. A. J. Ayomi, and K. E. Dewi, “Analisis Emosi Pada Media Sosial Twitter Menggunakan Metode Multinomial Naive Bayes Dan Synthetic Minority Oversampling Technique,” KOMPUTA: Jurnal Ilmiah Komputer dan Informatika, vol. 12, no. 2, pp. 9-19, 2023.
D. Septiani and I. Isabela, “Analisis Term Frequency Inverse Document Frequency (Tf-Idf) Dalam Temu Kembali Informasi Pada Dokumen Teks,” SINTESIA, vol. 1, no. 2, pp. 81-88, 2022.
N. Umar and M. A. Nur, “Application of Naive Bayes Algorithm Variations On Indonesian General Analysis Dataset for Sentiment Analysis,” Jurnal RESTI (Rekayasa Sistem dan Teknologi Informasi), vol. 6, no. 4, pp. 585–590, 2022.
A. Sabrani, I. W. G. P. W. Wedashwara, and F. Bimantoro, “Metode Multinomial Naive Bayes Untuk Klasifikasi Artikel Online Tentang Gempa di Indonesia (Multinomial Naive Bayes Method for Classification of Online Article About Earthquake in Indonesia),” JTIKA, vol. 2, no. 1, pp. 89-100, 2020.
