Article Per Year (5 Year)
p-Index From 2021 - 2026
0.23
P-Index
This Author published in this journals
All Journal Jurnal Penelitian Inovatif
Riyadi, Muhammad Ilham Mudya
Unknown Affiliation
Humanities Education Engineering Public Health Social Sciences

Published : 1 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 1 Documents
Search

 1 
Analisis Sentimen Publik terhadap Sinetron Asmara Gen Z di Platform X Menggunakan Metode Naive Bayes dan Support Vector Machine Hidayati, Ida; Nurwasih, Elis; Riyadi, Muhammad Ilham Mudya; Boro, Cindy Gabriel
Jurnal Penelitian Inovatif Vol 6 No 2 (2026): JUPIN Mei 2026
Publisher : CV Firmos

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.54082/jupin.2475

Abstract

Perkembangan media sosial telah menghasilkan data opini publik dalam jumlah besar yang berpotensi dianalisis untuk memahami persepsi masyarakat terhadap konten hiburan. Penelitian ini bertujuan untuk menganalisis sentimen publik terhadap sinetron Asmara Gen Z di platform X menggunakan metode Naive Bayes dan membandingkan kinerjanya dengan Support Vector Machine (SVM). Data dikumpulkan melalui proses crawling menggunakan library snscrape dengan beberapa kata kunci terkait, menghasilkan 1.116 cuitan. Tahapan preprocessing yang diterapkan meliputi cleaning, normalisasi, case folding, tokenizing, stopword removal, dan stemming menggunakan library Sastrawi. Pelabelan sentimen dilakukan secara otomatis menggunakan pendekatan lexicon-based sentiment analysis dengan sistem custom scoring berbasis bobot polaritas kata (skor 2 untuk positif, 1 untuk negatif, 0 untuk netral) yang mengklasifikasikan data ke dalam tiga kategori: positif, negatif, dan netral. Representasi fitur teks dilakukan menggunakan metode TF-IDF. Dataset dibagi menjadi 80% data latih dan 20% data uji. Hasil evaluasi menunjukkan bahwa metode SVM menghasilkan akurasi 85,27% dengan F1-score 84,93%, sedangkan Naive Bayes menghasilkan akurasi 79,37% dengan F1-score 78,53%. SVM terbukti lebih unggul dibandingkan Naive Bayes dalam klasifikasi sentimen pada data media sosial, khususnya pada kelas sentimen negatif, karena kemampuannya menangani variasi bahasa informal yang lebih tinggi.
Co-Authors Boro, Cindy Gabriel Hidayati, Ida Nurwasih, Elis