Analisis Sentimen Pada Teknologi 5G Menggunakan Algoritma Random Forest dan Naïve Bayes dengan Dataset Multibahasa
DOI:
https://doi.org/10.24114/cess.v10i2.66502Keywords:
Analisa Sentimen, 5G, Random Forest, Naïve Bayes, Komentar YouTubeAbstract
Perkembangan teknologi 5G sebagai generasi terbaru jaringan nirkabel telah menimbulkan beragam tanggapan publik, baik yang mendukung maupun yang menolak. Penelitian ini bertujuan untuk menganalisis sentimen masyarakat terhadap teknologi 5G berdasarkan komentar pengguna YouTube dalam bahasa Indonesia dan Inggris. Data diperoleh menggunakan teknik web crawling, kemudian diproses melalui tahapan SEMMA, yang mencakup preprocessing, pelabelan sentimen, dan pelatihan model. Dua algoritma yang digunakan adalah Random Forest dan Naïve Bayes. Evaluasi dilakukan menggunakan confusion matrix dan metrik seperti akurasi, precision, recall, dan F1-score. Hasil menunjukkan bahwa Random Forest memiliki performa yang lebih baik dengan akurasi 94,8% dan mampu mengklasifikasikan sentimen positif dan negatif secara seimbang. Sementara itu, Naïve Bayes cenderung bias terhadap sentimen positif dan memiliki kelemahan dalam mendeteksi komentar negatif. Penelitian ini menunjukkan bahwa Random Forest lebih andal untuk analisis sentimen multibahasa, khususnya dalam konteks opini publik terhadap teknologi 5G.References
[1] Muhamad Rizky, Selpi Amanda Fadillah, Juniwan Juniwan, Muhamad Yusuf Habibi, dan Didik Aribowo, “Perkembangan Teknologi Jaringan 5G di Indonesia,” Jupit. Publ. Ilmu Keteknikan Ind. Tek. Elektro Dan Inform., vol. 2, no. 3, hlm. 58–68, Apr 2024, doi: 10.61132/jupiter.v2i3.279.
[2] Mesya Nandawani Manik dan Rayyan Firdaus, “Tantangan Dan Peluang Jaringan 5G Dalam Meningkatkan Operasional Perusahaan,” J. Manuhara Pus. Penelit. Ilmu Manaj. Dan Bisnis, vol. 2, no. 3, hlm. 203–209, Jun 2024, doi: 10.61132/manuhara.v2i3.1026.
[3] A. Amali, “Perbandingan Algoritma Sentimen Analisis media data Twitter Pilgub Jabar 2018,” Pelita Teknol., vol. 15, no. 1, hlm. 26–36, Apr 2020, doi: 10.37366/pelitatekno.v15i1.298.
[4] D. A. Pamungkas dan U. D. Soer, “Analisis Sentimen Publik Terhadap Polusi Udara di Kota Jakarta: Perbandingan Algoritma Support Vector Machine, Naive Bayes, dan Random Forest,” vol. 13, no. 3.
[5] N. Wijaya dan E. S. Panjaitan, “Analisis Sentimen Ulasan Aplikasi Instagram di Google Play Store: Pendekatan Multinomial Naive Bayes dan Berbasis Leksikon,” Build. Inform. Technol. Sci. BITS, vol. 6, no. 2, hlm. 921–929, Sep 2024, doi: 10.47065/bits.v6i2.5615.
[6] O. N. Julianti, N. Suarna, dan W. Prihartono, “Penerapan Natural Language Processing Pada Analisis Sentimen Judi Online di Media Sosial Twitter,” JATI J. Mhs. Tek. Inform., vol. 8, no. 3, hlm. 2936–2941, Mei 2024, doi: 10.36040/jati.v8i3.9613.
[7] Christ Mario dan Ryan Randy Suryono, “Public Sentiment Analysis on Dirty Vote Movie on YouTube using Random Forest and Naïve Bayes,” INOVTEK Polbeng - Seri Inform., vol. 10, no. 1, hlm. 111–122, Mar 2025, doi: 10.35314/ev9j2g33.
[8] S. M. Tiana, “Analisis Sentimen Terhadap Kebijakan Pemerintah Tentang Ditutupnya Fitur Belanja Pada Tiktok Dengan Menggunakan Naïve Bayes Classifier Dan Random Forest Classifier,” J-Com J. Comput., vol. 4, no. 1, hlm. 76–86, Mar 2024, doi: 10.33330/j-com.v4i1.3140.
[9] D. D. Kurniawan dan D. Indrayana, “Metode Naïve Bayes Untuk Klasifikasi Sentimen Tweet Pemain Naturalisasi Tim Nasional Senior Sepak Bola Indonesia,” vol. 9, no. 2, 2025.
[10] V. S. Steviana dan A. B. Kusdinar, “Implementasi Naïve Bayes untuk Klasifikasi Rekomendasi Bursa Kerja Khusus Di SMKN 1 Sukalarang,” vol. 11, no. 1, 2025.
[11] T. D. Putra dan D. Oktafiani, “Klasifikasi Sentimen Postingan Sosial Media Menggunakan Machine Learning Random Forest dan Naïve Bayes”.
[12] D. Mualfah, A. Prihatin, R. Firdaus, dan Sunanto, “Analisis Sentimen Masyarakat Terhadap Kasus Pembobolan Data Nasabah Bank BSI Pada Twitter Menggunakan Metode Random Forest Dan Naïve Bayes,” J. FASILKOM, vol. 13, no. 3, hlm. 614–620, Jan 2024, doi: 10.37859/jf.v13i3.6478.
[13] T. Ahmed Khan, R. Sadiq, Z. Shahid, M. M. Alam, dan M. Mohd Su’ud, “Sentiment Analysis using Support Vector Machine and Random Forest,” J. Inform. Web Eng., vol. 3, no. 1, hlm. 67–75, Feb 2024, doi: 10.33093/jiwe.2024.3.1.5.
[14] A. Karimah, G. Dwilestari, dan M. Mulyawan, “Analisis Sentimen Komentar Video Mobil Listrik di Platform Youtube Dengan Metode Naive Bayes,” JATI J. Mhs. Tek. Inform., vol. 8, no. 1, hlm. 767–737, Mar 2024, doi: 10.36040/jati.v8i1.8373.
[15] A. Amali, D. Maulana, E. Widodo, A. Firmansyah, dan M. Danny, “Sentiment Analysis of Bekasi Floods Using SVM and Naive Bayes with Advanced Feature Selection,” Brill. Res. Artif. Intell., vol. 4, no. 1, hlm. 362–371, Jul 2024, doi: 10.47709/brilliance.v4i1.4268.
Downloads
Published
How to Cite
Issue
Section
License
Copyright (c) 2025 CESS (Journal of Computer Engineering, System and Science)
This work is licensed under a Creative Commons Attribution 4.0 International License.
