ANALISIS SENTIMEN KOMENTAR YOUTUBE TERKAIT KASUS PAGAR LAUT MENGGUNAKAN METODE KNN (K-NEAREST NEIGHBOR)

Rahma Danyana Umrona; Sariyun Naja Anwar; R. Soelistijadi

doi:10.51401/jinteks.v7i3.6251

Authors

Rahma Danyana Umrona Universitas Stikubank Semarang
Sariyun Naja Anwar Universitas Stikubank Semarang
R. Soelistijadi Universitas Stikubank Semarang

DOI:

https://doi.org/10.51401/jinteks.v7i3.6251

Keywords:

Analisis Sentimen, Komentar YouTube, K-Nearest Neighbor, Pagar Laut, Text Mining

Abstract

Perkembangan media sosial, khususnya YouTube, telah menjadi wadah bagi masyarakat untuk mengekspresikan opini terhadap berbagai isu, salah satunya kasus “Pagar Laut” yang menuai beragam reaksi publik. Penelitian ini bertujuan untuk menganalisis komentar-komentar masyarakat di tiga video YouTube terkait isu tersebut, serta mengklasifikasikannya ke dalam kategori sentimen positif, negatif, dan netral. Metode yang digunakan adalah algoritma K-Nearest Neighbor (KNN), dengan pendekatan lexicon-based untuk pelabelan sentimen secara otomatis. Sebelumnya, data melalui tahapan pre-processing, seperti cleansing, normalization, dan stemming dengan library Sastrawi. Representasi data dilakukan menggunakan metode TF-IDF, sementara penanganan ketidakseimbangan data antar kelas diselesaikan dengan teknik SMOTE. Dari total 2.429 data komentar, model dilatih dengan pembagian data 80:20. Hasil evaluasi menunjukkan akurasi sebesar 70,08%, dengan performa terbaik pada sentimen positif (f1-score 0,92), netral (f1-score 0,70), dan terendah pada kelas negatif (f1-score 0,33). Temuan ini menunjukkan bahwa meskipun model mampu mengenali pola tertentu dengan baik, diperlukan pengembangan lebih lanjut untuk meningkatkan akurasi, terutama dalam mengidentifikasi komentar pada kelas negatif secara lebih konsisten.

References

F. Upa and Nurhalifah, “ANALISIS SENTIMEN PENGGUNA TWITER MENGGUNAKAN METODE SVM-KNN Analysis of Twiter User Sentiment Using SVM-KNN Method,” Nusantara Hasana Journal, vol. 3, no. 12, p. Page, 2024.

R. N. Muhammad, L. Wulandari S, and B. Tanggahma, “Pengaruh Media Sosial Pada Persepsi Publik Terhadap Sistem Peradilan: Analisis Sentimen di Twitter,” UNES LAW REVIEW, vol. 7, no. 1, 2024, doi: 10.31933/unesrev.v7i1.

F. Faiqah, M. Nadjib, and A. S. Amir, “YOUTUBE SEBAGAI SARANA KOMUNIKASI BAGI KOMUNITAS MAKASSARVIDGRAM,” 2016.

M. J. Palepa, N. Pratiwi, and R. Q. Rohmansa, “Analisis Sentimen Masyarakat Tentang Pengaruh Politik Identitas Pada Pemilu 2024 Terhadap Toleransi Beragama Menggunakan Metode K - Nearest Neighbor,” JIPI (Jurnal Ilmiah Penelitian dan Pembelajaran Informatika), vol. 9, no. 1, pp. 389–401, Feb. 2024, doi: 10.29100/jipi.v9i1.4957.

L. Legito et al., “Penerapan Algoritma K-Nearest Neighbor untuk Analisis Sentimen Terhadap Isu Khilafah dan Radikalisme di Indonesia,” MALCOM: Indonesian Journal of Machine Learning and Computer Science, vol. 3, no. 2, pp. 324–330, Nov. 2023, doi: 10.57152/malcom.v3i2.893.

L. Purnama and T. Wahyudi, “Analisa Sentimen Tentang Piala Dunia u-20 Indonesia Menggunakan Algoritma K-Nearest Neighbor,” Jurnal Sains dan Teknologi, vol. 6, no. 2, pp. 217–222, 2024, doi: 10.55338/saintek.v6i2.1397.

A. M. Putri, W. Khafa Nofa, D. Anggraini, and P. Hapsari, “PENERAPAN METODE BERT UNTUK ANALISIS SENTIMEN ULASAN PENGGUNA APLIKASI SEGARI DI GOOGLE PLAY STORE,” JUIT, vol. 4, no. 1, 2025, [Online]. Available: https://databoks.katadata.co.id

W. Puspita Hidayanti, “PENERAPAN ALGORITMA K-NEAREST NEIGHBOR UNTUK KLASIFIKASI EFEKTIVITAS PENJUALAN VAPE (ROKOK ELEKTRIK) PADA ‘LOMBOK VAPE ON,’” Jurnal Informatika dan Teknologi, vol. 3, no. 2, 2020.

Z. Rahman Hakim and S. Sugiyono, “ANALISA SENTIMEN TERHADAP KERETA CEPAT JAKARTA – BANDUNG MENGGUNAKAN ALGORITMA NAÏVE BAYES DAN K-NEAREST NEIGHBOR,” Jurnal Sains dan Teknologi, vol. 5, no. 3, pp. 939–945, Apr. 2024, doi: 10.55338/saintek.v5i3.1423.

H. A. Dwi Fasnuari, H. Yuana, and M. T. Chulkamdi, “PENERAPAN ALGORITMA K-NEAREST NEIGHBOR UNTUK KLASIFIKASI PENYAKIT DIABETES MELITUS,” Antivirus?: Jurnal Ilmiah Teknik Informatika, vol. 16, no. 2, pp. 133–142, Oct. 2022, doi: 10.35457/antivirus.v16i2.2445.

A. A. Ningtyas, A. Solichin, and R. Pradana, “ANALISIS SENTIMEN KOMENTAR YOUTUBE TENTANG PREDIKSI RESESI EKONOMI TAHUN 2023 MENGGUNAKAN ALGORITME NAÏVE BAYES,” 2023.

H. Putri Jelita and M. Ibnu Saad, “Penerapan Algoritma Naïve Bayes Dalam Analisis Sentimen Masyarakat Terhadap STMIK Widya Cipta Dharma,” Bulletin of Information Technology (BIT), vol. 6, no. 2, pp. 148–160, 2025, doi: 10.47065/bit.v5i2.2029.

M. R. Sudrajat and M. Zakariyah, “Penerapan Natural Language Processing dan Machine Learning untuk Prediksi Stres Siswa SMA Berdasarkan Analisis Teks,” Building of Informatics, Technology and Science (BITS), vol. 6, no. 3, Dec. 2024, doi: 10.47065/bits.v6i3.6180.

“Career Development as a Sustainable Transformation of the Head of Unit PT Bank Rakyat Indonesia (Persero) TBK,” American Journal of Economic and Management Business, vol. 3, no. 12, 2024.

D. I. Lestari, B. Kurniawan, M. S. Perdana dan M. , “Improving the Productivity of Cross-Generational Relationship Managers in the Banking Sector,” Research Horizon, vol. 04, no. 06, pp. 223-230, 2024.