Perbandingan Algoritma dalam Analisa Sentimen Krisis Evergrande pada Kanal Berita Youtube

Abstrak

Selama beberapa tahun terakhir, YouTube telah menjadi video online besar dengan jutaan pengguna. Banyak dari video ini berisi komentar pengguna dalam jumlah yang signifikan dan menarik untuk dilakukan kegiatan mengekstrak tren dari komentar tersebut. Dalam penelitian ini dilakukan analisa sentimen dari komentar pada berita melalui kanal YouTube terkait topik perusahaan swasta terbesar di Cina dan salah satu pengembang real estate yang mengalami krisis keuangan sehingga gagal membayar hutang. Dengan menggunakan teknik pembelajaran mesin, analisa sentimen yang telah dilakukan meliputi tahap persiapan data, ekstraksi fitur menggunakan teknik Count Vectorizer kemudian pemodelan dengan algoritma SVM, Multinomial Naive Bayes, Decision Tree, dan Logistic regression. Hasil terbaik diperoleh pada penerapan algoritma SVM dan Multinomial Naïve Bayes dengan akurasi 84%,  algoritma Logistic Regression 81% dan terendah pada algoritma Decision Tree dengan akurasi 73%.