Analisis Sentimen Komentar YouTube Terkait Issue Indonesia Tidak Lolos Kualifikasi Piala Dunia Menggunakan Support Vector Machine
-
Idris Syahrudin
*
Universitas Pelita Bangsa, Kota Bekasi,
Indonesia
- Sufajar Butsianto Universitas Pelita Bangsa, Kota Bekasi, Indonesia
- Andini Putri Riandani Universitas Pelita Bangsa, Kota Bekasi, Indonesia (*) Corresponding Author
Abstract
Penelitian ini bertujuan untuk menganalisis sentimen opini publik pada media sosial YouTube terkait Tim Nasional Indonesia tidak lolos dalam kualifikasi Piala Dunia. Fokus utama penelitian ini adalah mengklasifikasikan komentar pengguna ke dalam tiga kategori, yaitu positif, negatif, dan netral, untuk memahami pola reaksi masyarakat terhadap performa tim nasional yang di mana komentar-komentar yang muncul dapat dianalisis untuk memahami kecenderungan sentimen dan pola interaksi pengguna. Metodologi yang digunakan mengikuti kerangka Knowledge Discovery in Databases. Data sebanyak 15.169 komentar dikumpulkan melalui proses crawling menggunakan YouTube Data API v3. Data tersebut kemudian melalui tahap pra-pemrosesan yang intensif, meliputi case folding, cleaning, tokenisasi, normalisasi kata, dan stopword removal, sehingga menghasilkan 7.584 data yang siap untuk diklasifikasikan. Algoritma Support Vector Machine dengan kernel linear diterapkan pada dataset yang dibagi dengan rasio 80:20 antara data latih dan data uji. Hasil penelitian menunjukkan bahwa mayoritas opini masyarakat didominasi oleh sentimen negatif (44,03%) dibandingkan sentimen netral (31,34%) dan positif (24,62%). Pengujian model SVM menghasilkan tingkat akurasi sebesar 80,43% dengan nilai weighted F1-score sebesar 0,81. Hal ini menunjukkan bahwa metode SVM sangat efektif dalam menangani data teks yang tidak terstruktur dan noisy komentar media sosial YouTube. Penelitian ini membuktikan keandalan algoritma SVM dalam analisis sentimen bersekala besar.
Downloads
References
[2] I. Koswara, “Diskursus Digital dan Suara Publik: Komentar YouTube dalam Kasus #IndonesiaGelap,” Glob. Komunika, vol. 8, no. 2, pp. 11–24, 2025.
[3] “Regulasi Kualifikasi Piala Dunia 2026 Zona Asia : Mungkinkah Timnas Indonesia Tembus Putaran Final Piala Dunia ?,” p. 2026, 2026.
[4] Tetrian Widyanto, Ina Ristiana, and Arief Wibowo, “Komparasi Naïve Bayes dan SVM Analisis Sentimen RUU Kesehatan di Twitter,” Dec. 2023, [Online]. Available: https://doi.org/10.31598
[5] L. Lathifah, E. Handoyo, D. Yosua, and A. A. Soetrisno, “SISTEM CRAWLING DATA INSTRUMEN AKREDITASI BERBASIS SELENIUM DAN PANDAS.” [Online]. Available: https://ejournal3.undip.ac.id/index.php/transient
[6] D. Rifaldi, Abdul Fadlil, and Herman, “Teknik Preprocessing Pada Text Mining Menggunakan Data Tweet ‘Mental Health,’” Decod. J. Pendidik. Teknol. Inf., vol. 3, no. 2, pp. 161–171, Apr. 2023, doi: 10.51454/decode.v3i2.131.
[7] A. Fauzidan Yahya Khainur et al., “ANALISIS KOMPARATIF EFEKTIVITAS PIPELINE DATA CLEANING BERBASIS ATURAN DAN LEMMATISASI UNTUK KLASIFIKASI SENTIMEN.” [Online]. Available: http://ejournal.stmik-time.ac.id
[8] Putri Nur Apriliyanti, Moh. Dasuki, and M. Rahman, “Klasifikasi Sentimen Positif dan Negatif Ulasan Aplikasi GetContact Dengan Algoritma Naïve Bayes,” JUSTIFY J. Sist. Inf. Ibrahimy, vol. 4, no. 2, pp. 123–129, Jan. 2026, doi: 10.35316/justify.v4i2.9133.
[9] P. M. S. Ardinata, A. A. J. Permana, I. N. S. W. Wijaya, F. Teknik, and D. Kejuruan, “IDENTIFIKASI DAN NORMALISASI TEKS SLANG DENGAN FASTTEXT PADA TWITTER DALAM BAHASA INDONESIA,” J. Pendidik. Teknol. dan Kejuru., vol. 21, no. 1, 2024.
[10] S. Jessica Angelina, A. Bijaksana Putra Negara, H. Muhardi, J. H. Nawawi, and K. Barat, “Analisis Pengaruh Penerapan Stopword Removal Pada Performa Klasifikasi Sentimen Tweet Bahasa Indonesia Analyzing The Impact Of Applying Stopword Removal On Indonesian Tweet Sentiment Classification,” vol. 02, no. 1, 2023, doi: 10.26418/juara.v2i1.69680.
[11] Baiq Nurul Azmi, Arief Hermawan, and Donny Avianto, “Analisis Pengaruh Komposisi Data Training dan Data Testing pada Penggunaan PCA dan Algoritma Decision Tree untuk Klasifikasi Penderita Penyakit Liver,” JTIM J. Teknol. Inf. dan Multimed., vol. 4, no. 4, pp. 281–290, Feb. 2023, doi: 10.35746/jtim.v4i4.298.
[12] R. N. Irawan, K. M. Hindrayani, and M. Idhom, “Penerapan Cross Validation sebagai Analisis Sentimen Pelayanan Publik Kereta Api Lokal Daop 8 Menggunakan Metode Multinomial Naïve Bayes,” G-Tech J. Teknol. Terap., vol. 8, no. 2, pp. 954–963, Apr. 2024, doi: 10.33379/gtech.v8i2.4117.
[13] A. Widodo, B. Agus Herlambang, and R. Renaldy, “Optimizing Support Vector Machine (SVM) for Sentiment Analysis of Blu by BCA Reviews with Chi-Square,” 2025. [Online]. Available: http://jurnal.polibatam.ac.id/index.php/JAIC
[14] A. A. N. Mostafa and H. E. A. Mahmoud, “Review of Data Mining Concept and its Techniques,” Int. J. Acad. Res. Bus. Soc. Sci., vol. 12, no. 6, Jun. 2022, doi: 10.6007/ijarbss/v12-i6/13135.
[15] S. Chairani Siregar, R. T. Adek, and Z. Fitri, “Sentiment Analysis of Comments on Youtube Channel Beauty Vlogger in Indonesian Language Using Support Vector Machine Method,” vol. 2, pp. 1–6, 2024, doi: 10.29103/icomden.v2.xxxx.
[16] A. Nur, A. Saputra, R. E. Saputro, and S. Saputra, “Enhancing Sentiment Analysis Accuracy Using SVM and Slang Word Normalization on YouTube Comments,” J. dan Penelit. Tek. Inform., vol. 9, no. 2, 2025, doi: 10.33395/sinkron.v9i2.14513.
[17] I. Sa’diyah, A. T. Aviolla Terza, C. C. B. Lima, M. R. M. Ariefean, and I. Athallah, “Sentiment Analysis of Netizen’s Comments on YouTube about IKN (Capital City) Development in Indonesia,” GHANCARAN J. Pendidik. Bhs. dan Sastra Indones., vol. 6, no. 2, Jan. 2025, doi: 10.19105/ghancaran.v6i2.15432.
[18] C. R. Park, H. Heo, C. H. Suh, and W. H. Shim, “Uncover This Tech Term: Application Programming Interface for Large Language Models,” Aug. 01, 2025, Korean Radiological Society. doi: 10.3348/kjr.2025.0360.
[19] M. Rafi and A. Basyary, “YouTube Comment Sentiment Analysis on Deddy Corbuzier and BEM UI’s Podcast Using TF-IDF and Naïve Bayes,” SAINTEKBU J. Sci. Technol., vol. 16, no. 02, 2024.
[20] A. F. A. H. Alnuaimi and T. H. K. Albaldawi, “An overview of machine learning classification techniques,” in BIO Web of Conferences, EDP Sciences, Apr. 2024. doi: 10.1051/bioconf/20249700133.
[21] S. Susandri, S. Defit, and M. Tajuddin, “SENTIMENT LABELING AND TEXT CLASSIFICATION MACHINE LEARNING FOR WHATSAPP GROUP,” JITK (Jurnal Ilmu Pengetah. dan Teknol. Komputer), vol. 9, no. 1, pp. 119–125, Aug. 2023, doi: 10.33480/jitk.v9i1.4201.
[22] A. Farhan AlShammari, “Implementation of Model Evaluation using Confusion Matrix in Python,” 2024.
Bila bermanfaat silahkan share artikel ini
Berikan Komentar Anda terhadap artikel Analisis Sentimen Komentar YouTube Terkait Issue Indonesia Tidak Lolos Kualifikasi Piala Dunia Menggunakan Support Vector Machine
Pages: 223-232
Copyright (c) 2026 Idris Syahrudin, Sufajar Butsianto, Andini Putri Riandani
This work is licensed under a Creative Commons Attribution 4.0 International License.
Authors who publish with this journal agree to the following terms:
- Authors retain copyright and grant the journal right of first publication with the work simultaneously licensed under Creative Commons Attribution 4.0 International License that allows others to share the work with an acknowledgment of the work's authorship and initial publication in this journal.
- Authors are 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 an acknowledgment of its initial publication in this journal.
- Authors are permitted and encouraged to post their 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 published work (Refer to The Effect of Open Access).
