Analisis Sentimen Terhadap Komentar Video Short YouTube Mengenai Paylater Menggunakan Algoritma Bert
DOI:
https://doi.org/10.70309/ticom.v13i2.144Keywords:
Youtube Short, Paylater, BERT, Analisis SentimenAbstract
Youtube Short sebagai salah satu fitur yang populer, dalam Youtube Short pengguna bisa menonton video pendek berdurasi singkat 15-60 detik dan penonton juga bisa berkomentar di dalam kolom komentar. Topik yang hangat dibahas di Youtube Short adalah Paylater, Topik Paylater juga dibahas dalam video Youtube short dari akun Raymond Chin yang berjudul “Kartu Kredit Kalah Populer Sama Paylater”, Menurut PT Pefindo Biro Kredit (IDScore), Kredit macet layanan paylater mencapai Rp2,12 triliun per Desember 2023. Berdasarkan hal tersebut penelitian analisis sentimen ini menggunakan model fine tuning BERT dengan data penelitian yang bersumber dari komentar video Short Youtube dari akun Raymond Chin yang berjudul “Kartu Kredit Kalah Populer Sama Paylater” berjumlah 326 komentar. Tujuan yang ingin dicapai dalam penelitian ini ialah untuk mengetahui tahapan perancangan analisis sentimen terhadap paylater melalui komentar dalam video Youtube Short menggunakan metode algoritma BERT. Kontribusi penelitian ini adalah penggunaan metode BERT (Bidirectional Encoder Representations from Transformers) untuk analisis sentimen terhadap komentar video Youtube short mengenai Paylater. Hasil penelitian ini menunjukan metode fime-tuning BERT memiliki akurasi keseluruhan model adalah 58%. Presisi untuk kelas positif adalah 48% dan presisi untuk kelas negatif hanya 88% Kelas Positif Recall untuk kelas positif adalah 92% dan recall untuk kelas negatif hanya 35%. Secara keseluruhan, model algoritma BERT ini menunjukkan kinerja yang cukup baik tapi perlu ada peningkatan karena adanya nilai yang rendah untuk bagian recall kelas negatif dan presisi kelas positif.
References
Databoks Katadata. 2023. [Online]. Available: https://databoks.katadata.co.id/datapublish/2023/02/28/pengguna-youtube-di-indonesia-peringkat-keempat-terbanyak-di-dunia-pada-awal-2023
A. Andy and S. Gunawan, “Interactional Styles Used by Raymond Chin in the Close the Door podcast Miskin Bukan Privilege,” Kata Kita: Journal of Language, Literature, and Teaching, vol. 11, no. 3, pp. 376–397, 2023.
H. J. Asja, S. Susanti, and A. Fauzi, “Pengaruh Manfaat, Kemudahan, dan Pendapatan terhadap Minat Menggunakan Paylater: Studi Kasus Masyarakat di DKI Jakarta,” Jurnal Akuntansi, Keuangan, dan Manajemen, vol. 2, no. 4, pp. 309–325, 2021.
S. Kautish and R. Kaur, Sentiment Analysis-From Theory to Practice. Lap Lambert Academic Publishing, 2017.
K. A. B. Permana, M. Sudarma, and W. G. Ariastina, “Analisis Rating Sentimen pada Video di Media Sosial Youtube Menggunakan STRUCT-SVM,” Majalah Ilmiah Teknologi Elektro, vol. 18, no. 1, pp. 113-118, 2019.
V. Chandradev, I. Made, A. Dwi Suarjaya, I. Putu, and A. Bayupati, “Analisis Sentimen Review Hotel Menggunakan Metode Deep Learning BERT,” Jurnal Buana Informatika 14, no. 02, pp. 107-116, 2023.
S. Algifari Rismawan, Y. Syahidin, P. Piksi Ganesha Bandung, J. Gatot Subroto No, and K. Batununggal, “Implementasi Website Berita Online Menggunakan Metode Crawling Data Dengan Bahasa Pemrograman Python,” JATISI (Jurnal Teknik Informatika dan Sistem Informasi), vol. 10, no. 3, pp. 167–178, 2023.
Y. A. Singgalen, “Penerapan Metode CRISP-DM dalam Klasifikasi Data Ulasan Pengunjung Destinasi Danau Toba Menggunakan Algoritma Naïve Bayes Classifier (NBC) dan Decision Tree (DT),” Jurnal Media Informatika Budidarma, vol. 7, no. 3, pp. 1551–1562, 2023.
A. Sabrani, I. W. G. P. W. Wedashwara, and F. Bimantoro, “Metode Multinomial Naïve Bayes Untuk Klasifikasi Artikel Online Tentang Gempa Di Indonesia (Multinomial Naïve Bayes Method for Classification of Online Article About Earthquake in Indonesia),” Jurnal Teknologi Informasi, Komputer, dan Aplikasinya (JTIKA), Vol 2, no. 1, pp.89-100, 2020.
D. F. Sjoraida, B. W. K. Guna, and D. Yudhakusuma, “Analisis Sentimen Film Dirty Vote Menggunakan BERT (Bidirectional Encoder Representations from Transformers),” Jurnal JTIK (Jurnal Teknologi Informasi dan Komunikasi), vol. 8, no. 2, pp. 393–404, 2024.
M. Priandi, P. Painem P., “Analisis Sentimen Masyarakat Terhadap Pembelajaran Daring di Era Pandemi Covid-19 pada Media Sosial Twitter Menggunakan Ekstraksi Fitur Countvectorizer dan Algoritma K-Nearest Neighbor.” In Prosiding Seminar Nasional Mahasiswa Bidang Ilmu Komputer dan Aplikasinya, vol. 2, no. 2, pp. 311-319. 2021.
R. Ridho and H. Hendra, “Klasifikasi Diagnosis Penyakit Covid-19 Menggunakan Metode Decision Tree,” JUST IT: Jurnal Sistem Informasi, Teknologi Informasi dan Komputer, vol. 11, no. 3, 2022.
