Penerapan Algoritma Naïve Bayes Dan K-Nearest Neighbor Untuk Analisis Sentimen Youtube Mengenai Intensif Mobil Listrik

Abstract

Dampak pemanasan global terhadap perubahan iklim telah menarik perhatian dari berbagai pihak. 27% dari polusi udara disebabkan oleh transportasi. Di berbagai negara, pemerintah telah menerapkan langkah-langkah untuk mengurangi polusi udara dengan mendorong masyarakat untuk beralih menggunakan kendaraan listrik. Namun keberhasilan pemerintah untuk mengkampanyekan teknologi mobil listrik tergantung pada sentimen dan pemahaman masyarakat. Tujuan penelitian ini untuk menganalisa sentimen publik. Dataset digunakan dalam penelitian ini ialah 1517 data komentar di laman youtube mengenai intensif mobil listrik. Berdasarkan analisis, sebagian besar komentar youtube memiliki sentimen negatif (57,4%), sementara jumlah komentar yang positif (33,3%) dan netral (9,3%). Penelitian ini menerapkan metode Naïve Bayes dan K-Neareast Neighbor. Hasil penelitian menunjukan bahwa metode K-Nearest Neighbor memberikan hasil klasifikasi yang lebih baik dengan Accuracy sebesar 93,23%, precision 93,91% dan recall 91,56%. Sedangkan Naïve Bayes memperoleh hasil Accuracy 86,95%, precision 80,51%, dan recall 91,23%.