Strategi Dinamis Menggunakan MongoDB untuk Analisis Sentimen Terhadap Komentar YouTube Pilkada Gubernur Indonesia 2024
DOI:
https://doi.org/10.36080/kresna.v4i2.149Kata Kunci:
MongoDB, Analisis Sentimen, Pilkada Gubernur Indonesia 2024, Logistic Regression, Preprocessing Data, YouTube Data APIAbstrak
Penelitian ini mengevaluasi penggunaan MongoDB untuk analisis sentimen dari komentar YouTube dalam konteks Pilkada Gubernur Indonesia 2024. Data yang terkumpul melalui YouTube Data API berjumlah 40,396 komentar, yang setelah melalui proses preprocessing yang efektif termasuk case folding, tokenisasi, normalisasi, dan stemming, berhasil difilter menjadi 27,102 komentar yang relevan. Tiga algoritma analisis sentimen—Naive Bayes, Logistic Regression, dan Support Vector Machine (SVM)—diterapkan, dengan Logistic Regression menunjukkan kinerja terbaik, mencapai akurasi 91.39%. Studi ini menghasilkan wawasan mendalam tentang sentimen publik, mencerminkan sikap dan opini terhadap calon gubernur. Visualisasi data melalui Word Cloud dan grafik frekuensi memberikan pemahaman yang lebih baik tentang frekuensi dan konteks penggunaan kata-kata kunci, membantu dalam menyusun strategi komunikasi politik yang efektif dan responsif terhadap kebutuhan dan kecenderungan pemilih.
Unduhan
Referensi
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.
