Analisis Sentimen dan Pemodelan Topik Komentar YouTube tentang Aplikasi AI Menggunakan Naïve Bayes dan Support Vector Machine: Sentiment and Topic Modeling of YouTube Comments on AI Applications Using Naïve Bayes and Support Vector Machine

Mila Rosyada; R. Rhoedy Setiawan; Zainur Romadhon

doi:10.57152/malcom.v6i4.3044

Authors

Mila Rosyada Universitas Muria Kudus
R. Rhoedy Setiawan Universitas Muria Kudus
Zainur Romadhon Universitas Muria Kudus

DOI:

https://doi.org/10.57152/malcom.v6i4.3044

Keywords:

Analisis Sentimen, Kecerdasan Buatan, Youtube, Naïve Bayes, Pemodelan Topik, Support Vector Machine

Abstract

Komentar pengguna YouTube mengenai aplikasi kecerdasan buatan (Artificial Intelligence/AI), seperti ChatGPT, Google Gemini, dan Perplexity AI, terus meningkat sehingga menghasilkan opini yang sulit dianalisis secara manual. Penelitian ini menggabungkan analisis sentimen dan pemodelan topik untuk memperoleh gambaran tentang persepsi pengguna terhadap beberapa aplikasi AI. Penelitian ini bertujuan untuk menganalisis sentimen dan mengidentifikasi topik utama dari 5.588 komentar YouTube terkait aplikasi AI. Data diproses menggunakan tahapan preprocessing sederhana yang meliputi cleaning, case folding, normalisasi, tokenisasi, stopword removal, dan stemming. Pelabelan sentimen dilakukan menggunakan pendekatan berbasis leksikon, sedangkan fitur diekstraksi menggunakan Term Frequency–Inverse Document Frequency (TF-IDF). Klasifikasi sentimen dilakukan menggunakan Naïve Bayes dan Support Vector Machine (SVM), sementara pemodelan topik dilakukan menggunakan Latent Dirichlet Allocation (LDA). Hasil pelabelan menunjukkan 4.801 komentar (85,92%) positif dan 787 komentar (14,08%) negatif. Evaluasi menunjukkan Naïve Bayes memperoleh akurasi 94,72%, sedangkan SVM mencapai 98,39%, sehingga SVM memberikan performa terbaik. Selain itu, LDA berhasil mengidentifikasi tiga topik dominan, yaitu pengalaman pengguna, kualitas layanan, dan diskusi umum tentang AI. Hasil penelitian menunjukkan bahwa kombinasi analisis sentimen dan pemodelan topik mampu memberikan gambaran yang lebih komprehensif mengenai persepsi pengguna terhadap aplikasi AI berdasarkan komentar di YouTube.

Downloads

Download data is not yet available.

References

N. Z. B. Jannah dan K. Kusnawi, “Comparison of Naïve Bayes and SVM in Sentiment Analysis of Product Reviews on Marketplaces,” Sinkron, vol. 8, no. 2, hal. 727–733, 2024, doi: 10.33395/sinkron.v8i2.13559.

T. R. P. Hermawan dan A. R. Dzikrillah, “Penerapan Metode Naïve Bayes untuk Analisis Sentimen pada Ulasan Pengguna Aplikasi ChatGPT di Google Play Store,” Building of Informatics, Technology and Science (BITS), vol. 6, no. 1, hal. 430–439, 2024, doi: 10.47065/bits.v6i1.5400.

N. Widaad dan D. Anggraini, “Sentiment Analysis of Chatgpt App User Reviews Using Svm and Cnn Methods,” J. Tek. Inform., vol. 5, no. 6, hal. 1687–1700, 2024, doi: 10.52436/1.jutif.2024.5.6.4010.

M. R. Al Basyary, “YouTube Comment Sentiment Analysis on Deddy Corbuzier and BEM UI’s Podcast Using TF-IDF and Naïve Bayes,” SAINTEKBU, vol. 16, no. 02, hal. 10–17, 2024.

M. Azmi, A. V. Eryanti, dan R. Kurniawati, “What Do Viewers Talk About? Sentiment and Topic Analysis of Audience Comments on a Samsung Galaxy S26 Review on YouTube,” JUMINTAL: Jurnal Manajemen Informatika dan Bisnis Digital, vol. 5, no. 1, hal. 42–56, 2026, doi: 10.55123/jumintal.v5i1.7841.

B. A. Maulana, M. J. Fahmi, A. M. Imran, dan N. Hidayati, “Analisis Sentimen Terhadap Aplikasi Pluang Menggunakan Algoritma Naive Bayes dan Support Vector Machine (SVM),” MALCOM Indones. J. Mach. Learn. Comput. Sci., vol. 4, no. 2, hal. 375–384, 2024, doi: 10.57152/malcom.v4i2.1206.

M. Aji Afani Maldini dan S. Andryana, “Analisis Sentimen Ulasan Pengguna Aplikasi Perbankan Menggunakan Algoritma Support Vector Machine Dan Naive Bayes,” JATI (Jurnal Mhs. Tek. Inform., vol. 9, no. 3, hal. 4098–4105, 2025, doi: 10.36040/jati.v9i3.13522.

M. Ramadhani, Susandri, dan N. Mubarak, “Pendekatan Machine Learning untuk Analisis Sentimen Ulasan CapCut: Studi Komparatif SVM dan Naive Bayes,” SEMASTER: Seminar Nasional Teknologi Informasi & Ilmu Komputer, vol. 4, no. 1, hal. 493–498, 2025, doi: 10.31849/2wp7ep93.

J. Saputra, L. Maryani, Rahmaddeni, D. Wulandari, dan W. Eka, “Analisis Performa Naive Bayes dan SVM terhadap Sentimen Teks Media Sosial dengan Word2Vec dan SMOTE,” Jurnal INSTEK (Informatika Sains dan Teknologi), vol. 10, no. 1, hal. 143–155, 2025, doi: 10.24252/instek.v10i1.54889.

W. Ningsih, B. Alfianda, R. Rahmaddeni, dan D. Wulandari, “Perbandingan Algoritma SVM dan Naïve Bayes dalam Analisis Sentimen Twitter pada Penggunaan Mobil Listrik di Indonesia,” MALCOM Indones. J. Mach. Learn. Comput. Sci., vol. 4, no. 2, hal. 556–562, 2024, doi: 10.57152/malcom.v4i2.1253.

M. Iqbal, M. Afdal, dan R. Novita, “Implementasi Algoritma Support Vector Machine Untuk Analisa Sentimen Data Ulasan Aplikasi Pinjaman Online di Google Play Store,” MALCOM Indones. J. Mach. Learn. Comput. Sci., vol. 4, no. 4, hal. 1244–1252, 2024, doi: 10.57152/malcom.v4i4.1435.

A. D. Prabadaru, A. Zahrawati, M. A. Jibran, S. Nurulita, dan N. C. A. Dewana, “Analisis Sentimen Review Aplikasi Chat GPT dengan Memanfaatkan Algoritma Support Vector Machine,” Telcomatics, vol. 10, no. 2, hal. 119–124, 2025, doi: 10.37253/telcomatics.v10i2.11759.

Y. A. Wahid, Sanatang, dan D. D. Andayani, “Performance Comparison of Svm and Naïve Bayes For Indonesian-Language Sentiment Analysis On Free Fire Reviews Using Tf-Idf And Smote,” J. Embed. Syst. Secur. Intell. Syst., vol. 6, no. 4, hal. 674–689, 2025, doi: 10.59562/jessi.v6i4.10818.

M. F. Baihaqi, L. Magdalena, dan R. Fahrudin, “Analisis Sentimen Aplikasi DeepSeek Menggunakan Metode Naive Bayes dan Support Vector Machine,” RIGGS: Journal of Artificial Intelligence and Digital Business, vol. 4, no. 3, hal. 4051–4062, 2025, doi: 10.31004/riggs.v4i3.2511.

E. Rahmawati dan C. Agustina, “Optimasi Ulasan Pengguna Aplikasi ChatGPT di Google Play Store Menggunakan SMOTE,” Jurnal Teknologi Informasi dan Terapan, vol. 11, no. 1, hal. 1–6, 2024, doi: 10.25047/jtit.v11i1.360.

H.-H. Lee dan M. T. N. Nguyen, “Topic Modelling and Sentiment Analysis on YouTube Sustainable Fashion Comments,” J. New Media, vol. 5, no. 1, hal. 65–80, 2023, doi: 10.32604/jnm.2023.045792.

E. Susanti, M. Maimunah, dan S. Nugroho, “Sentiment Analysis of YouTube Comments Using Machine Learning Models,” PIKSEL Penelit. Ilmu Komput. Sist. Embed. Log., vol. 13, no. 1, hal. 103–114, 2025, doi: 10.33558/piksel.v13i1.10743.

V. B. Lestari dan C. A. Hutagalung, “Evaluation of TF-IDF Extraction Techniques in Sentiment Analysis of Indonesian-Language Marketplaces Using SVM, Logistic Regression, and Naive Bayes,” J-KOMA: Jurnal Ilmu Komputer dan Aplikasi, vol. 8, no. 1, hal. 36–44, 2025, doi: 10.21009/j-koma.v8i1.05.

Friska Aditia Indriyani, Ahmad Fauzi, dan Sutan Faisal, “Analisis sentimen aplikasi tiktok menggunakan algoritma naïve bayes dan support vector machine,” TEKNOSAINS J. Sains, Teknol. dan Inform., vol. 10, no. 2, hal. 176–184, 2023, doi: 10.37373/tekno.v10i2.419.

J. Ipmawati, S. Saifulloh, dan K. Kusnawi, “Analisis Sentimen Tempat Wisata Berdasarkan Ulasan pada Google Maps Menggunakan Algoritma Support Vector Machine,” MALCOM: Indonesian Journal of Machine Learning and Computer Science, vol. 4, no. 1, hal. 247–256, 2024, doi: 10.57152/malcom.v4i1.1066.

M. Z. Mubarok, S. Rizqi, R. M. Rizal, A. B. N. Syalim, dan N. Iksan, “Klasifikasi Sentimen Ulasan Aplikasi Claude Menggunakan Naive Bayes dan Support Vector Machine,” JUSIFOR J. Sist. Inf. dan Inform., vol. 4, no. 1, hal. 110–119, 2025, doi: 10.70609/jusifor.v4i1.7054.

R. Pokharel dan D. Bhatta, Classifying YouTube Comments Based on Sentiment and Type of Sentence, vol. 1, no. 1. Association for Computing Machinery, 2021. [Daring]. Tersedia pada: http://arxiv.org/abs/2111.01908

S. C. Siregar, R. T. Adek, dan Z. Fitri, “The Sentiment Analysis of Comments on YouTube Channel Beauty Vlogger in Indonesian Language Using Support Vector Machine Method,” Proceedings of International Conference on Multidisciplinary Engineering (ICOMDEN), vol. 2, art. no. 00041, 2024.