KLASIFIKASI KOMENTAR TERHADAP KRIMINAL SAAT MALAM HARI PADA MEDIA SOSIAL YOUTUBE MENGGUNAKAN NAÏVE BAYES
Analisis Sentimen, Klasifikasi, Media Sosial, Naïve Bayes
Abstract
Penelitian ini bertujuan untuk mengklasifikasikan komentar mengenai kejahatan kriminal pada malam hari dari media sosial di Youtube dengan menggunakan metode Naïve Bayes. Data komentar dikumpulkan dari video yang telah membahas kejadian kejahatan kriminal pada malam hari, secara khusus yaitu perampokan dengan kata lain adalah begal. Pada Proses Pemrosesan data meliputi normalisasi teks, tokenisasi, pemfilteran, dan stemming untuk mempersiapkan data sebelum dianalisis oleh peneliti. Setelah prapemrosesan, metode Naïve Bayes diterapkan untuk melatih dan menguji pada model klasifikasi. Hasil penelitian telah menunjukkan bahwa metode ini mampu mengklasifikasikan komentar dengan tingkat akurasi sebesar 0.703. Visualisasi data menunjukkan bahwa sentimen positif lebih dominan daripada sentimen negatif dalam komentar yang telah dianalisis. Hasil pada Laporan klasifikasi menunjukkan bahwa precision, recall, dan f1-score masing-masing sebesar 0.64, 0.65, dan 0.64 untuk sentimen negatif, serta 0.75, 0.74, dan 0.75 untuk sentimen positif. Akurasi keseluruhan model adalah 0.70, dengan macro average dan weighted average untuk precision, recall, dan f1-score masing-masing sebesar 0.70. Pada Penelitian ini memberikan pandangan mengenai tanggapan dari masyarkat terhadap kejahatan kriminal pada malam hari serta dapat digunakan untuk mengembangkan strategi yang lebih efektif sehingga untuk mengurangi kejadian perampokan dan kejahatan lainnya.
Downloads
References
[2] A. N. Husna and P. Rianto, “Membaca Komentar di Media Sosial Sebagai Hiburan Reading Comments on Social Media for Entertainment,” J. Mhs. Komun. Cantrik, vol. 1, pp. 29–40, 2021.
[3] F. Nur Setiyana and A. Badu Kusuma, “Potensi Pemanfaatan Youtube Dalam Pembelajaran Matematika,” EduMatSains J. Pendidikan, Mat. dan Sains, vol. 6, no. 1, pp. 71–90, 2021, doi: 10.33541/edumatsains.v6i1.2945.
[4] K. D. DataBooks, “Salip Facebook, Youtube Paling Aktif di Indonesia,” DataBooks, Kata Data, p. 2020, 2017.
[5] E. Putra Nuansa, “Analisis Sentimen Pengguna Twitter Terhadap Pemilihan Gubernur Dki Jakarta Dengan Metode Naïve Bayesian Classification Dan Support Vector Machine,” Inst. Teknol. Sepuluh Nop. Surabaya, pp. 1–101, 2017.
[6] M. M. Ali, T. Hariyati, M. Y. Pratiwi, and S. Afifah, “Metodologi Penelitian Kuantitatif dan Penerapannya dalam Penelitian,” Educ. Journal.2022, vol. 2, no. 2, pp. 1–6, 2022.
[7] A. Pebdika, R. Herdiana, and D. Solihudin, “Klasifikasi Menggunakan Metode Naive Bayes Untuk Menentukan Calon Penerima Pip,” JATI (Jurnal Mhs. Tek. Inform., vol. 7, no. 1, pp. 452–458, 2023, doi: 10.36040/jati.v7i1.6303.
[8] E. Martantoh and N. Yanih, “Implementasi Metode Naïve Bayes Untuk Klasifikasi Karakteristik Kepribadiaan Siswa Di Sekolah MTS Darussa’adah Menggunakan Php Mysql,” J. Teknol. Sist. Inf., vol. 3, no. 2, pp. 166–175, 2022, doi: 10.35957/jtsi.v3i2.2896.
This work is licensed under a Creative Commons Attribution-ShareAlike 4.0 International License.
This work is licensed under a Creative Commons Attribution-ShareAlike 4.0 International License.
An author who publishes in this Journal agrees to the following terms:
- Author retains the copyright and grants the journal the right of first publication of the work simultaneously licensed under the Creative Commons Attribution-ShareAlike 4.0 License that allows others to share the work with an acknowledgement of the work's authorship and initial publication in this journal
- Author is able to enter into separate, additional contractual arrangements for the non-exclusive distribution of the journal's published version of the work (e.g., post it to an institutional repository or publish it in a book) with the acknowledgement of its initial publication in this journal.
- Author is permitted and encouraged to post his/her work online (e.g., in institutional repositories or on their website) prior to and during the submission process, as it can lead to productive exchanges, as well as earlier and greater citation of the published work (See The Effect of Open Access).
