Analisis Sentimen Pada Komentar Youtube Dalam Turnamen MPL Season 13 Dengan Metode Ensemble Machine Learning
Kata Kunci:
Sentimen, Ensemble Machine Learning, Preprocessing, Klasifikasi, MPL Season 13Abstrak
Analisis sentimen terhadap komentar pada video YouTube yang berhubungan dengan MPL Season 13 dilakukan menggunakan metode klasifikasi berbasis Ensemble Learning. Penelitian ini berfokus pada identifikasi pola sentimen dalam komentar serta penentuan popularitas tim berdasarkan dukungan positif dari penggemar. Metode yang digunakan mencakup perencanaan awal, pengumpulan data melalui teknik scraping menggunakan YouTube Data API v3, dan proses preprocessing. Dari total 6.424 komentar yang dukumpulkan, jumlah komentar yang relevan berkurang menjadi 5.185 setelah tahap cleaning, case folding, penghapusan stopword, konversi slang, stemming, dan tokenisasi, dengan rincian 3.131 komentar positif dan 2.064 negatif. Berbagai metode klasifikasi diterapkan secara bersamaan dan digabungkan menggunakan teknik ensemble machine learning dengan pendekatan majority voting. Sebelum klasifikasi, data diproses menggunakan SMOTE (Synthetic Minority Over-sampling Technique) untuk mengatasi ketidakseimbangan kelas. Hasil pengujian menunjukkan bahwa akurasi metode Voting hard mencapai 86,70 % (data latih 90% dan data uji 10%), sedangkan Voting soft mencapai 86,17%. Proses pelabelan dilakukan dengan library flair, dengan validasi hasil klasifikasi melalui confusion matrix. Penerapan metode pelabelan yang menggabungkan pendekatan otomatis dan manual berhasil meningkatkan akurasi klasifikasi serta meminimalkan potensi kesalahan. Selain itu, analisis ini berhasil mengidentifikasi dukungan terbanyak, yaitu 877 pendukung EVOS, diikuti oleh RRQ dan ONIC dengan masing-masing 743 dan 556 pendukung. Penelitian ini diharapkan dapat memberikan kontribusi signifikan bagi pengembangan analisis sentiment dalam konteks e-sports dan membuka peluang untuk analisis lebih lanjut di penelitian mendatang.
Unduhan
Referensi
Y. Anisa, “Peran Channel Youtube Sebagai Media Alternatif untuk Membantu Proses Pembelajaran Matematika dan Media Informasi pada Tingkat Perguruan Tinggi,” 2022. [Online]. Available: https://ejournal.unib.ac.id/index.php/jpmr
G. Sanjaya and K. Muslim Lhaksmana, “Analisis Sentimen Komentar YouTube tentang Terpilihnya Menteri Kabinet Indonesia Maju Menggunakan Lexicon Based,” e-Proceeding Eng., vol. 7, no. 3, pp. 9698–9710, 2020, [Online]. Available: https://openlibrarypublications.telkomuniversity.ac.id/index.php/engineering/article/view/10703
R. Yusrinawati, “Analisis Perilaku Konsumtif Pemain Game Mobile Legends Bang Bang di ESports Indonesia Jember یلیب,” Nucl. Phys., vol. 13, no. 1, pp. 104–116, 2023.
D. Wahyuni, “TANTANGAN DAN PELUANG ESPORTS DALAM KEOLAHRAGAAN NASIONAL CHALLENGES AND OPPORTUNITIES OF ESPORTS IN NATIONAL SPORTS,” Kajian, vol. 25, no. 4, pp. 341–353, 2020, [Online]. Available: https://beritagar.id/artikel/arena/
J. Budiman, R. Limgestu, and I. Tri Sagianto, “Perilaku Keputusan Investasi Investor Pasar Saham Indonesia,” J. Ilm. Akunt. dan Keuang., vol. 5, no. 9, pp. 3518–3526, 2023, [Online]. Available: https://journal.ikopin.ac.id/index.php/fairvalue
F. Gunardi, “PENGARUH E-SPORTS MARKETING DAN KEPUASAN PELANGGAN TERHADAP BRAND LOYALTY RAZER INC,” 2020.
D. Puspita Nilamsari and I. Parma Dewi, “Jurnal Vocational Teknik Elektronika dan Informatika,” J. Vocat. Tek. Elektron. dan Inform., vol. 11, no. 1, pp. 96–102, 2023, [Online]. Available: http://ejournal.unp.ac.id/index.php/voteknika/index
M. Yasir and R. Suraji, “Perbandingan Metode Klasifikasi Naive Bayes, Decision, Tree, Random Forest Terhadap Analisis Sentimen Kenaikan Biaya Haji 2023 pada Media Sosial Youtube,” J. Cahaya Mandalika, vol. 3, no. 2, pp. 180–192, 2023.
A. E. Budiman and A. Widjaja, “Analisis Pengaruh Teks Preprocessing Terhadap Deteksi Plagiarisme Pada Dokumen Tugas Akhir,” J. Tek. Inform. dan Sist. Inf., vol. 6, no. 3, pp. 475–488, 2020, doi: 10.28932/jutisi.v6i3.2892.
D. Normawati and S. A. Prayogi, “Implementasi Naïve Bayes Classifier Dan Confusion Matrix Pada Analisis Sentimen Berbasis Teks Pada Twitter,” J. Sains Komput. Inform. (J-SAKTI, vol. 5, no. 2, pp. 697–711, 2021.
D. Dwi Kurnianto and S. Waluyo, “3 rd Seminar Nasional Mahasiswa Fakultas Teknologi Informasi (SENAFTI) 30 Agustus 2023-Jakarta,” 2023.
R. A. Fauzan and M. Mufti, “Analisis Sentimen Komentar Youtube Program Kampus Merdeka Berbasis Web Menggunakan Algoritma Multinomial Naïve Bayes,” Semin. Nas. Mhs. Fak. Teknol. Inf., vol. 2, no. 2, pp. 864–871, 2023, [Online]. Available: https://senafti.budiluhur.ac.id/index.php/senafti/article/view/929/563
M. A. Rosid, A. S. Fitrani, I. R. I. Astutik, N. I. Mulloh, and H. A. Gozali, “Improving Text Preprocessing for Student Complaint Document Classification Using Sastrawi,” IOP Conf. Ser. Mater. Sci. Eng., vol. 874, no. 1, 2020, doi: 10.1088/1757-899X/874/1/012017.
Chely Aulia Misrun, E. Haerani, M. Fikry, and E. Budianita, “Analisis sentimen komentar youtube terhadap Anies Baswedan sebagai bakal calon presiden 2024 menggunakan metode naive bayes classifier,” J. CoSciTech (Computer Sci. Inf. Technol., vol. 4, no. 1, pp. 207–215, Apr. 2023, doi: 10.37859/coscitech.v4i1.4790.
S. M. Harahap and R. Kurniawan, “Analisis Sentimen Komentar Youtube Terhadap Food Vlogger Dengan Menggunakan Metode Naïve Bayes,” MEANS (Media Inf. Anal. dan Sist., vol. 9, no. 1, pp. 87–96, 2024, doi: 10.54367/means.v9i1.3912.
D. Firmansyah, F. Sutrisno, and S. Waluyo, “ANALISIS SENTIMEN MASYARAKAT MENGENAI KASUS KEKUASAAN NARKOBA PADA KOMENTAR YOUTUBE MENGGUNAKAN METODE K-NEAREST NEIGHBOURS,” 2024.
S. K. Dirjen, P. Riset, D. Pengembangan, R. Dikti, S. Khomsah, and A. S. Aribowo, “Model Text-Preprocessing Komentar Youtube Dalam Bahasa Indonesia,” J. Resti, vol. 1, no. 3, pp. 648–654, 2021.
B. Franko, N. Wilyanto, H. Irsyad, U. Multi, and D. Palembang, “Analisis Sentimen Terhadap Naturalisasi Pemain pada Youtube Menggunakan Decision Tree dan Naive Bayes Sentiment Analysis of Player Naturalization on Youtube Using Decision Trees and Naive Bayes,” vol. 03, no. September, pp. 8–16, 2024, doi: 10.57203/session.v3i1.2024.8-16.
B. I. Jimmy Alga, Cindi Wulandari, “Analisis Sentimen Aplikasi Youtube di Google Play Store Menggunakan Machine Learning,” RESOLUSI Rekayasa Tek. Inform. dan Inf. - ISSN 2745-7966, vol. 6, no. 1, pp. 197–207, 2024, [Online]. Available: https://djournals.com/resolusi
F. A. Larasati, D. E. Ratnawati, and B. T. Hanggara, “Analisis Sentimen Ulasan Aplikasi Dana dengan Metode Random Forest,” J. Pengemb. Teknol. Inf. dan Ilmu Komput., vol. 6, no. 9, pp. 4305–4313, 2022.
N. Hendrastuty, A. Rahman Isnain, and A. Yanti Rahmadhani, “Analisis Sentimen Masyarakat Terhadap Program Kartu Prakerja Pada Twitter Dengan Metode Support Vector Machine,” J. Inform. J. Pengemb. IT, vol. 6, no. 3, pp. 150–155, 2021.
D. Duei Putri, G. F. Nama, and W. E. Sulistiono, “Analisis Sentimen Kinerja Dewan Perwakilan Rakyat (DPR) Pada Twitter Menggunakan Metode Naive Bayes Classifier,” J. Inform. dan Tek. Elektro Terap., vol. 10, no. 1, pp. 34–40, 2022, doi: 10.23960/jitet.v10i1.2262.
C. Cahyaningtyas, Y. Nataliani, and I. R. Widiasari, “Analisis Sentimen Pada Rating Aplikasi Shopee Menggunakan Metode Decision Tree Berbasis SMOTE,” Aiti, vol. 18, no. 2, pp. 173–184, 2021, doi: 10.24246/aiti.v18i2.173-184.
M. R. Nurhusen, J. Indra, and K. A. Baihaqi, “Analisis Sentimen Pengguna Twitter Terhadap Kenaikan Harga Bahan Bakar Minyak (BBM) Menggunakan Metode Logistic Regression,” J. Media Inform. Budidarma, vol. 7, no. 1, p. 276, 2023, doi: 10.30865/mib.v7i1.5491.
R. S. Amardita, A. Adiwijaya, and M. D. Purbolaksono, “Analisis Sentimen terhadap Ulasan Paris Van Java Resort Lifestyle Place di Kota Bandung Menggunakan Algoritma KNN,” JURIKOM (Jurnal Ris. Komputer), vol. 9, no. 1, p. 62, 2022, doi: 10.30865/jurikom.v9i1.3793.
N. Agustina and C. N. Ihsan, “Pendekatan Ensemble untuk Analisis Sentimen Covid19 Menggunakan Pengklasifikasi Soft Voting,” J. Teknol. Inf. dan Ilmu Komput., vol. 10, no. 2, p. 263, 2023, doi: 10.25126/jtiik.20231026215.
##submission.downloads##
Diterbitkan
Cara Mengutip
Terbitan
Bagian
Lisensi
Hak Cipta (c) 2024 TeIKa
Artikel ini berlisensiCreative Commons Attribution-ShareAlike 4.0 International License.
The submitting author warrants that the submission is original and that she/he is the author of the submission together with the named co-authors; to the extend the submission incorporates text passages, figures, data or other material from the work of others, the submitting author has obtained any necessary permission.
Articles in this journal are published under the Creative Commons Share Alike Attribution Licence (CC-BY-SA What does this mean?). This is to get more legal certainty about what readers can do with published articles, and thus a wider dissemination and archiving, which in turn makes publishing with this journal more valuable for you, the authors.
By submitting an article the author grants to this journal the non-exclusive right to publish it. The author retains the copyright and the publishing rights for his article without any restrictions.
