Strategi Dinamis Menggunakan MongoDB untuk Analisis Sentimen terhadap Komentar YouTube Pilkada Gubernur Indonesia 2024
DOI:
https://doi.org/10.36080/kresna.v4i2.149Keywords:
MongoDB, Analisis Sentimen, Pilkada Gubernur Indonesia 2024, YouTube Data API, Komunikasi PolitikAbstract
Penelitian ini mengkaji penggunaan MongoDB dalam melakukan analisis sentimen terhadap komentar YouTube terkait Pilkada Gubernur Indonesia 2024. Studi ini mengumpulkan 40,396 komentar melalui YouTube Data API, yang kemudian diproses menjadi 27,102 komentar relevan setelah melalui tahapan preprocessing yang menyeluruh, meliputi case folding, tokenisasi, normalisasi, dan stemming. Tiga algoritma analisis sentimen digunakan dalam penelitian ini: Naive Bayes, Logistic Regression, dan Support Vector Machine (SVM). Di antara ketiganya, Logistic Regression menunjukkan kinerja terbaik dengan tingkat akurasi mencapai 91.39%. Analisis ini memberikan wawasan berharga tentang sentimen publik, secara efektif menangkap sikap dan opini terhadap calon gubernur. Untuk meningkatkan interpretasi hasil, penelitian ini menggunakan teknik visualisasi data seperti Word Cloud dan grafik frekuensi. Representasi visual ini memberikan pemahaman yang lebih jelas tentang frekuensi dan konteks penggunaan kata-kata kunci, sehingga membantu dalam pengembangan strategi komunikasi politik yang efektif dan responsif. Penelitian ini berkontribusi dalam bidangnya dengan mendemonstrasikan potensi MongoDB dalam memproses dan menganalisis data media sosial skala besar untuk analisis sentimen politik. Temuan-temuan ini memiliki implikasi signifikan untuk memahami tren pemilih dan membentuk kampanye politik dalam konteks Pilkada Gubernur Indonesia 2024.
Downloads
References
E. Undamayanti et al., Analisis Sentimen Menggunakan Metode Naive Bayes Berbasis Particle Swarm Optimization Terhadap Pelaksanaan Program Merdeka Belajar Kampus Merdeka,” J-SAKTI: Jurnal Sains Komputer dan Informatika, vol. 6, no. 2, pp. 916-930, 2022
N. Yudistira, “Peran Big Data dan Deep Learning untuk Menyelesaikan Permasalahan Secara Komprehensif,” EXPERT: Jurnal Manajemen Sistem Informasi dan Teknologi, vol. 11, no. 2, pp. 78-89, 2021.
C. A. Győrödi, et al, “A Comparative Study of MongoDB and Document-Based MySQL for Big Data Application Data Management,” Big Data and Cognitive Computing, vol. 6, no. 2, pp. 1-19, 2022.
R. Agarwal, S. P. Singh, and S. Saini, “Healthcare Analytics with R and MongoDB using Social Media,” International Journal of Advanced Intelligence Paradigms, vol. 1, no. 1, pp. 552-567, 2019.
N. Azizah, “Public Sentiment Analysis on the 2024 Presidential Election Using Naive Bayes Classifier (NBC) and Support Vector Machine (SVM) On Social Media Data,” Prosiding Seminar Internasional, Jun. 2024, pp. 19-49, Available: https://prosiding.amalinsani.org/
M. A. Akbar and A. Solichin, “Perbandingan Sentimen Ulasan Pengguna Aplikasi Ride-Hailing Gojek dan Grab Menggunakan Algoritma Multinomial Naïve Bayes,” KRESNA: Jurnal Riset dan Pengabdian Masyarakat, vol. 4, no. 1, pp. 1–11, 2024.
A. R. Padri, “HCI dan Media Sosial: Studi Kasus Analisis Sentimen Pilpres 2024 Di Twitter Menggunakan Naive Bayes Classifier,” Jurnal Simetris, vol. 14, no. 2, pp. 297-309, 2023.
D. Nurcahyono, W. P. Putra, A. Najib, and T. R. Tulili, “Analysis sentiment in social media against election using the method naive Bayes,” Journal of Physics: Conference Series, IOP Publishing, Jun. 2020.
A. M. Mantika, A. Triayudi, and R. T. Aldisa, “Sentiment Analysis on Twitter Using Naïve Bayes and Logistic Regression for the 2024 Presidential Election”, SaNa: Journal of Blockchain, NFTs and Metaverse Technology, vol. 2, no. 1, pp. 44-55, 2024.
A. Andreansyah, amd G. Gata, “Analisis Sentimen untuk Program Vaksin Booster Sebagai Syarat Mudik 2022 Menggunakan Algoritma KNN,” KRESNA: Jurnal Riset dan Pengabdian Masyarakat, vol. 2, no. 2, pp. 185–193, 2022.
K. Adib, et al, “Opini Publik Pasca-Pemilihan Presiden: Eksplorasi Analisis Sentimen Media Sosial X Menggunakan SVM,” SINTECH JOURNAL, vol. 7, no. 2, pp. 80-91, 2024.
A. Robi Padri, A. Asro, and I. Indra, “Classification of Traffic Congestion in Indonesia Using the Naive Bayes Classification Method,” Journal of World Science, vol. 2, no. 6, pp. 877–888, 2023.
S. Shaik, et al, “Sentimental Analysis using Logistic Regression,” International Journal of Engineering Research and Applications www.ijera.com, vol. 11, pp. 36–40, 2021.
Kirim email ditujukan ke jurnal.drpm@budiluhur.ac.id dengan subject LostPassword sertakan username anda pada bagian isi email. Terima kasih.
