Analisis Sentimen Komentar Toxic pada Video Musik YouTube Menggunakan Metode Naive Bayes

Abstract

Platform berbagi video YouTube telah menjadi ruang interaksi digital yang masif, namun seiring pertumbuhannya, fenomena komentar toxic atau negatif semakin marak ditemukan pada konten-konten populer yang bersifat kontroversial. Penelitian ini bertujuan untuk menganalisis pola sentimen komentar toxic pada video musik "Hozier - Take Me to Church" serta mengukur performa algoritma Naive Bayes dalam melakukan klasifikasi sentimen secara otomatis. Data dikumpulkan menggunakan YouTube API dengan total 100.000 data komentar berbahasa Inggris, yang setelah melalui proses pembersihan menghasilkan 51.348 data valid. Proses text preprocessing mencakup lowercasing, penghapusan URL, tanda baca, angka, dan emotikon, diikuti tahap contraction, tokenization, penghapusan stopwords, serta lemmatization menggunakan library Natural Language Toolkit (NLTK). Data kemudian dilabeli ke dalam tiga kelas sentimen: positif, negatif, dan netral, sebelum diklasifikasi menggunakan algoritma Naive Bayes. Evaluasi performa model dilakukan dengan confusion matrix yang menghasilkan nilai akurasi sebesar 74%. Presisi untuk kelas negatif mencapai 96%, netral 97%, dan positif 64%. Nilai recall kelas negatif sebesar 57%, netral 49%, dan positif 99%. Sedangkan F1-score kelas negatif sebesar 71%, netral 65%, dan positif 78%. Dari total data yang diproses, ditemukan 8.475 komentar toxic (negatif), menunjukkan bahwa sebagian besar audiens merespons video tersebut secara positif. Hasil ini membuktikan bahwa algoritma Naive Bayes memiliki kemampuan yang memadai dalam klasifikasi sentimen komentar media sosial.

GS Cited Analysis