Penerapan Algoritma Naïve Bayes dalam Analisis Sentimen terhadap Mobil Listrik
DOI:
https://doi.org/10.30595/sainteks.v22i1.26036Keywords:
Analisis sentimen, Naive Bayes, mobil listrik, YoutubeAbstract
Dalam era kemajuan teknologi yang pesat, mobil listrik menjadi inovasi utama dalam industri otomotif. Namun, analisis sentimen menunjukkan adanya tantangan, terutama kurangnya pemahaman masyarakat tentang mobil listrik, yang berdampak pada persepsi negatif. Penelitian ini bertujuan untuk menganalisis sentimen masyarakat terhadap mobil listrik di Indonesia melalui konten YouTube, dengan menggunakan algoritma Naive Bayes. Metode Knowledge Discovery in Databases (KDD) digunakan untuk mengumpulkan dan menganalisis opini masyarakat. Evaluasi model menggunakan Confusion Matrix menunjukkan peningkatan signifikan setelah penerapan teknik SMOTE Upsampling, meningkatkan akurasi dari 50,70% menjadi 78,16%.Analisis kelas menunjukkan peningkatan pada true positive, true negative, dan true neutral. Meskipun algoritma Naive Bayes menghasilkan akurasi 78,16%, presisi 71,43%, dan recall 57,97%, penelitian ini memiliki keterbatasan dan disarankan untuk membandingkan algoritma klasifikasi lain, memperluas dataset, serta menguji kombinasi algoritma yang lebih luas. Rekomendasi juga mencakup penerapan hasil penelitian ke dalam mesin klasifikasi dengan pengujian lebih lanjut. Studi ini memberikan wawasan untuk meningkatkan pemahaman dan penerimaan mobil listrik di masyarakat Indonesia.
References
Alfarizi, S., & Fitriani, E. (2023). Analisis Sentimen Kendaraan Listrik Menggunakan Algoritma Naive Bayes dengan Seleksi Fitur Information Gain dan Particle Swarm Optimization. Indonesian Journal on Software Engineering (IJSE), 9(1), 19–27. http://ejournal.bsi.ac.id/ejurnal/index.php/ijse
Caswadi, Dienwati, N., Dwilestari, G., Fathurrohman, & Tohidi, E. (2023). Penerapan Algoritma Naïve Bayes dan K-Nearest Neighbor untuk Analisis Sentimen Youtube Mengenai Intensif Mobil Listrik. JATI (Jurnal Mahasiswa Teknik Informatika), 7(6), 3851–3857.
Fahrezy, D. C., & Utomo, F. S. (2024). Analisis Sentimen Opini Publik Tentang Kendaraan Listrik di Indonesia. 1(2), 127–139.
Hadiwinata, L. N., Murtiningsih, B. S. E., & Berto, A. R. (2023). Analisis Teks Dan Jaringan Promosi Media Sosial Youtube Mobil Listrik Ioniq 5 Menggunakan Metode Sna. Perspektif Komunikasi: Jurnal Ilmu Komunikasi Politik Dan Komunikasi Bisnis, 7(1), 1. https://doi.org/10.24853/pk.7.1.1-18
Huzna, A. N., Nurhayati, I., Saputri, A. E., Qomarul Huda, M., Informasi, S., Sains, F., Teknologi, D., Syarif, U., & Jakarta, H. (2024). Analisis Sentimen Terhadap Mobil Listrik Di Indonesia Pada Twitter: Penerapan Naïve Bayes Classifier Untuk Memahami Opini Publik. Just IT : Jurnal Sistem Informasi, Teknologi Informasi Dan Komputer, 14(2), 80–149. https://jurnal.umj.ac.id/index.php/just-it/index
Karimah, A., Dwilestari, G., & Mulyawan. (2024). Analisis Sentimen Komentar Video Mobil Listrik di Platform Youtube dengan Metode Naive Bayes. JATI (Jurnal Mahasiswa Teknik Informatika), 8(1), 767–773.
Ningsih, W., Alfianda, B., Rahmaddeni, R., & Wulandari, D. (2024). Perbandingan Algoritma SVM dan Naïve Bayes dalam Analisis Sentimen Twitter pada Penggunaan Mobil Listrik di Indonesia. MALCOM: Indonesian Journal of Machine Learning and Computer Science, 4(2), 556–562. https://doi.org/10.57152/malcom.v4i2.1253
Rahmat Bachtiar, D., Rosyid, H. A., & Nabila, K. (2022). Pengaruh Perkembangan Kendaraan Listrik Terhadap Industri Otomotif Pada Era Society 5.0. Jurnal Inovasi Teknik Dan Edukasi Teknologi, 2(6), 277–281. https://doi.org/10.17977/um068v1i62022p277-281
Downloads
Published
Issue
Section
License
Copyright (c) 2025 Muhammad Febri Yulianto, Fida Maisa Hana, Agung Prihandono
This work is licensed under a Creative Commons Attribution 4.0 International License.
Authors who publish with this journal agree to the following terms:
Authors retain copyright and grant the journal right of first publication with the work simultaneously licensed under a Creative Commons Attribution License that allows others to share the work with an acknowledgement of the work's authorship and initial publication in this journal.
Authors are able to enter into separate, additional contractual arrangements for the non-exclusive distribution of the journal's published version of the work (e.g., post it to an institutional repository or publish it in a book), with an acknowledgement of its initial publication in this journal.
Authors are permitted and encouraged to post their work online (e.g., in institutional repositories or on their website) prior to and during the submission process, as it can lead to productive exchanges, as well as earlier and greater citation of published work (See The Effect of Open Access)
