Melola Discovery

← Melola Discovery

Open access Jurnal SINTA 2

Analisis Sentimen Komentar Video Youtube Flat Earth Theory Dengan Menggunakan Metode Unsupervised Dan Supervised Learning

Decode: Jurnal Pendidikan Teknologi Informasi · Vol. 3 No. 2 (2023) · pp. 378–387

DOI
10.51454/decode.v3i2.210
ISSN
2775-1813, 2775-2984
Published
2023-08-20
Publisher
Universitas Muhammadiyah Kendari
License
creativecommons.org/licenses/by-sa/4.0/

Abstract

Penelitian ini bertujuan untuk analisis sentimen untuk memprediksi sentimen positif, negatif, dan netral dari komentar pengguna di YouTube terhadap video tentang Flat Earth Theory dengan menggunakan metode unsupervised dan supervised learning. YouTube merupakan media sosial terbesar untuk mengunggah video, dan komentar pengguna dapat dijadikan bahan untuk melakukan analisis sentimen. Dalam penelitian ini, digunakan platform media sosial YouTube sebagai sumber data komentar pengguna. Data komentar diambil menggunakan metode data scraping dengan Python. Selanjutnya, dilakukan preprocessing data untuk membersihkan dan mempersiapkannya agar dapat diolah dengan metode unsupervised dan supervised learning. Metode unsupervised learning menggunakan algoritma Textblob dan Vader untuk memberikan label sentimen pada setiap kata, sementara metode supervised learning menggunakan algoritma Random Forest dan SVM untuk melakukan proses klasifikasi. Hasil penelitian menunjukkan bahwa sentimen positif lebih dominan yang mendorong adanya diskusi alternatif tentang bentuk Bumi, dan mungkin menginspirasi orang untuk mencari pemahaman yang lebih dalam tentang ilmu pengetahuan dan geografi, terbukti dengan persentase keempat algoritma yang digunakan, vader sebesar 68%, textblob sebesar 68%, random forest sebesar 68,8%, svm sebesar 70,8%.

Collaboration network of the authors

5 authors · 7 co-authorship links

Hover or tap a name to highlight its co-authors. Double-click to open the author's page.

  • Universitas Pradita
  • Affiliation unknown
  • Different organisations
  • Same organisation
  • Affiliation unknown
  • Thicker line = more joint articles · bigger circle = more articles
Show as table
Co-authorOrganisationJoint articles
Christoper Jordan LipawAffiliation unknown2
Phance KaryadiAffiliation unknown2

Affiliations come from OpenAlex; journal OAI-PMH metadata carries none. Authors without an OpenAlex ID are matched by name, which can merge or split people.

This record comes from Crossref (what the publisher deposited), because the journal's own OAI-PMH endpoint could not be harvested.

Metadata source: Crossref API (cadangan, berdasarkan ISSN) https://api.crossref.org/journals/2775-1813/works, first harvested 26 Okt 2026, last seen 26 Okt 2026.
Metadata as oai_dc, converted from Crossref
<oai_dc:dc xmlns:dc="http://purl.org/dc/elements/1.1/" xmlns:oai_dc="http://www.openarchives.org/OAI/2.0/oai_dc/"><dc:title>Analisis Sentimen Komentar Video Youtube Flat Earth Theory Dengan Menggunakan Metode Unsupervised  Dan Supervised Learning</dc:title><dc:creator>Calvin Jonathan</dc:creator><dc:creator>Theresia Herlina Rochadiani</dc:creator><dc:creator>Thamrin Sofian</dc:creator><dc:description>&lt;jats:p&gt;Penelitian ini bertujuan untuk analisis sentimen untuk memprediksi sentimen positif, negatif, dan netral dari komentar pengguna di YouTube terhadap video tentang Flat Earth Theory dengan menggunakan metode unsupervised dan supervised learning. YouTube merupakan media sosial terbesar untuk mengunggah video, dan komentar pengguna dapat dijadikan bahan untuk melakukan analisis sentimen. Dalam penelitian ini, digunakan platform media sosial YouTube sebagai sumber data komentar pengguna. Data komentar diambil menggunakan metode data scraping dengan Python. Selanjutnya, dilakukan preprocessing data untuk membersihkan dan mempersiapkannya agar dapat diolah dengan metode unsupervised dan supervised learning. Metode unsupervised learning menggunakan algoritma Textblob dan Vader untuk memberikan label sentimen pada setiap kata, sementara metode supervised learning menggunakan algoritma Random Forest dan SVM untuk melakukan proses klasifikasi. Hasil penelitian menunjukkan bahwa sentimen positif lebih dominan yang mendorong adanya diskusi alternatif tentang bentuk Bumi, dan mungkin menginspirasi orang untuk mencari pemahaman yang lebih dalam tentang ilmu pengetahuan dan geografi, terbukti dengan persentase keempat algoritma yang digunakan, vader sebesar 68%, textblob sebesar 68%, random forest sebesar 68,8%, svm sebesar 70,8%.&lt;/jats:p&gt;</dc:description><dc:publisher>Universitas Muhammadiyah Kendari</dc:publisher><dc:date>2023-08-20</dc:date><dc:type>info:eu-repo/semantics/article</dc:type><dc:format>application/pdf</dc:format><dc:identifier>https://doi.org/10.51454/decode.v3i2.210</dc:identifier><dc:identifier>10.51454/decode.v3i2.210</dc:identifier><dc:source>Decode: Jurnal Pendidikan Teknologi Informasi; Vol 3 No 2 (2023); 378-387</dc:source><dc:source>2775-1813</dc:source><dc:source>2775-2984</dc:source><dc:relation>https://journal.umkendari.ac.id/index.php/decode/article/download/210/91</dc:relation><dc:rights>https://creativecommons.org/licenses/by-sa/4.0/</dc:rights></oai_dc:dc>