Analisis Sentimen Komentar YouTube Tentang Bencana Banjir Di Sumatera Menggunakan Support Vector Machine

Dimas Aditya Putranto; Sufajar Butsianto; Andini Putri Riandani

doi:10.33365/jtk.v20i2.2059

Dimas Aditya Putranto Univeritas Pelita Bangsa, Kab. Bekasi
Sufajar Butsianto Universitas Pelita Bangsa, Kab. Bekasi
Andini Putri Riandani Universitas Pelita Bangsa, Kab. Bekasi

DOI: https://doi.org/10.33365/jtk.v20i2.2059

Keywords: Analisis Sentimen, Banjir Sumatera, YouTube, Support Vector Machine. Knowledge Discovery in Database

Abstract

Bencana banjir di Sumatera tahun 2025 memicu berbagai reaksi masyarakat di YouTube sebagai salah satu platform media sosial utama di Indonesia. Penelitian ini bertujuan menganalisis sentimen publik dengan mengklasifikasikan komentar menjadi positif, negatif, dan netral menggunakan algoritma Support Vector Machine (SVM). Metode yang digunakan mengacu pada kerangka Knowledge Discovery in Databases (KDD), dimulai dari pengumpulan 22.776 komentar melalui YouTube Data API v3, yang kemudian diproses melalui tahapan preprocessing seperti cleansing, case folding, normalisasi, tokenizing, dan stopword removal hingga diperoleh 11.021 data valid. Data tersebut dibagi menjadi data latih dan uji dengan rasio 80:20. Hasil evaluasi menggunakan confusion matrix menunjukkan akurasi model sebesar 87%. Distribusi sentimen didominasi oleh positif (46,47%), diikuti netral (28,95%), dan negatif (24,58%). Hasil ini menunjukkan bahwa SVM efektif dalam menganalisis data teks media sosial dan dapat menjadi referensi bagi pihak terkait dalam pengambilan keputusan penanganan bencana.

References

T. Muhayat, A. Fauzi, and J. Indra, “Analisis Sentimen Terhadap Komentar Video Youtube Menggunakan Support Vector Machines,” pp. 231–240, 2022, doi: 10.35889/progresif.v19i1.1060.

G. W. M. H. Riwanto, P. Ardhiyansyah, R. A. Adiansyah, A. Alfiansyah, “ANALISIS SENTIMEN KOMENTAR YOUTUBE TERKAIT PENERAPAN MAKAN BERGIZI GRATIS MENGGUNAKAN MODEL ALGORITMA SVM,” vol. 6, no. 12, pp. 1–14, 2025.

F. Wijaya, R. A. Ramadhani, and A. B. Setiawan, “Analisis Sentimen Komentar Video Youtube Dengan Leksikon Textblob Menggunakan Algoritma Svm Berdasarkan Rasio Data Uji,” vol. 9, pp. 1894–1902, 2025, doi: 10.29407/h1z62886.

A. A. Syam, G. H. M, A. Salim, D. F. Surianto, and M. F. B, “Analisis teknik preprocessing pada sentimen masyarakat terkait konflik israel-palestina menggunakan support vector machine,” vol. 9, no. 3, pp. 1464–1472, 2024, doi: 10.29100/jipi.v9i3.5527.

S. R. Putri and L. Rosnita, “Sentiment Analysis of Youtube and Gotube Reviews on Google Play Using the Support Vector Machine ( SVM ) Method in Indonesia,” vol. 9, no. 3, pp. 1025–1033, 2025, doi: 10.30871/jaic.v9i3.9461.

M. Jamil, H. Hadiyanto, and R. Sanjaya, “Sentiment Analysis : Classifying Public Comments on YouTube in Disaster Management Simulation in Indonesia Using Naïve Bayes and Support Vector Machine,” Int. Inf. Eng. Technol. Assoc., vol. 29, no. 2, pp. 437–446, 2024, doi: 10.18280/isi.290205.

D. Maulana, E. Widodo, A. Firmansyah, and M. Danny, “Optimizing Sentiment Analysis for Bekasi Flood Management Using SVM and Naive Bayes with Advanced Feature Selection,” Briliance, vol. 4, no. 1, pp. 362–371, 2024, doi: 10.47709/brilliance.v4i1.4268.

N. Alfarizi, P. Lydia, M. S. Novelan, A. Putra, and S. Sinurat, “Comparative Machine Learning Analysis for Sentiment Classification of Sumatra Disaster 2025,” J. Technol. Comput., vol. 3, no. 1, pp. 68–76, 2026.

M. S. Alfandi and Z. Fatah, “PENERAPAN DATA MINING MENGGUNAKAN METODE K-MEANS CLUSTERING UNTUK ANALISA PENJUALAN TOKO UMAMA HIJAB KALIWATES JEMBER,” J. Ris. Sist. Inf., vol. 1, no. 4, pp. 94–102, 2024, doi: 10.69714/3ty90586.

Nurfiyah N. Ramadhandi, “Penerapan Metode Natural Language Processing ( NLP ) Pada Question Answering System Untuk Media Informasi Mahasiswa Universitas Bhayangkara Jakarta Raya,” J. Inf. Inf. Secur., vol. 4, no. 2, pp. 175–186, 2023.

M. Farid, D. Wahyudi, A. R. Chrisvo, and M. F. Hidayatullah, “ANALISIS DISTRIBUSI SELISIH TINGKAT PENGGANGGURAN TERBUKA (TPT) DAN TINGAT PARTISIPASI ANGKATAN KERJA (TPAK) MENGGUNAKAN GOOGLE COLAB,” J. Tek. Inform. DAN Multimed., vol. 4, no. 2, pp. 39–45, 2024.

V. Novalia, I. Saputra, M. Ula, and M. Danil, “Application of Artificial Intelligence Chi-Square Model and Classification Of KNN in Heart Disease Detection,” JITE(Journal Informatics Telecommun. Eng., vol. 6, no. July, pp. 180–188, 2022.

R. A. Syahputra, R. Arifin, and M. Iqbal, “Sentiment Analysis on Tabungan Perumahan Rakyat ( TAPERA ) Program by using Support Vector Machine ( SVM ),” vol. 8, no. 2, pp. 531–541, 2024.

A. Mareta, D. E. Subroto, L. Aulia, and S. Nuryanah, “Peran Media Sosial Youtube sebagai Media Edukasi dalam Pendidikan Generasi Z,” GURUKU J. Pendidik. dan Sos. Hum., vol. 3, no. 1, pp. 99–105, 2025.

D. Irawan, E. B. Perkasa, D. Wahyuningsih, and E. Helmud, “Perbandingan Klassifikasi SMS Berbasis Support Vector Machine , Naive Bayes Classifier , Random Forest dan Bagging Classifier,” J. SISFOKOM (Sistem Inf. dan Komputer), vol. 10, no. 3, pp. 432–437, 2021.