Komparasi Naive Bayes dan SVM Opini Kesetaraan Gender di Tiktok dengan SMOTE

Meida Amanda; Abdullah Abdullah

doi:10.31004/riggs.v5i2.10713

Authors

Meida Amanda Universitas Islam Indragiri
Abdullah Abdullah Universitas Islam Indragiri

DOI:

https://doi.org/10.31004/riggs.v5i2.10713

Keywords:

Sentimen, Kesetaraan Gender, Naive Bayes, SMOTE, Support Vector Machine

Abstract

Penelitian ini bertujuan membandingkan dua algoritma klasifikasi, yakni Naive Bayes dan Support Vector Machine (SVM), dalam menganalisis sentimen komentar pada platform Tiktok mengenai isu kesetaraan gender dari dua perspektif. Dataset yang digunakan berjumlah 1.600 komentar dikumpulkan dengan melakukan web scraping menggunakan web Apify. Data yang diambil mulai dari rentang waktu 2025 sampai 2026, dengan distribusi 289 komentar berlabel positif dan 1.284 komentar berlabel negatif. Peneltian ini dilakukan tahap preprocessing agar model nantinya bisa membaca dengan baik sentimennya. Tahapan dalam preprocessing terdapat cleaning, case fold, normalisasi, tokenizing, filtering dan stemming. Selanjutnya untuk pelabelan dalam penelitian ini dilakukan secara otomatis menggunakan metode berbasis lexicon dan menggunakan teknik SMOTE untuk mengatasi ketidakseimbangan data. Berikutnya hasil dari Naive Bayes dan SVM akan dievaluasi menggunakan confussion matrix yang berguna untuk mengetahui jumlah data yang berhasil dan gagal diprediksi secara benar oleh kedua model. Berdasarkan hasil pengujian, SVM lebih unggul dibandingkan dengan Naive Bayes dengan tingkat akurasi 86% berbanding 77%. Ini menandakan SVM lebih andal dalam tugas klasifikasi ini. Tingginya sentimen negatif menandakan bahwa topik kesetaraan gender di platform Tiktok masih menimbulkan perdebatan dan perbedaan pendapat di kalangan pengguna. Hasil penelitian menunjukkan bahwa SVM terbukti lebih unggul dan efektif dalam mengklasifikasikan sentimen yang berasal dari platform media social terutama Tiktok.

Downloads

Download data is not yet available.

References

[1] P. Deski Manalu et al., “Implementasi Algoritma Klasifikasi untuk Analisis Sentimen Media Sosial Tiktok Tahun 2025,” Jurnal Teknik Informatika dan Teknologi Informasi, doi: 10.55606/jutiti.v5i1.5644.

[2] S. F. L. Aniqurrohmah, “Kesetaraan Gender Dan Nilai Nilai Yang Terkandung Di Dalamnya Menurut Hak Asasi Manusia,” Jurnal Dunia Ilmu Hukum (JURDIKUM), vol. 1, no. 2, pp. 50–56, Oct. 2023, doi: 10.59435/jurdikum.v1i2.170.

[3] A. Anindya, A. Hanana, and N. Elian, “Upaya Meningkatkan Kesadaran Gender Kaum Muda melalui Pesan Kesetaraan Gender di Media Sosial Instagram”, doi: 10.25077/rk.5.2.103-112.2021

[4] P. D. P. Silitonga and M. K. M. Nasution, “Dari Sintaksis ke Pemahaman : Natural Language Processing (NLP) dalam Filsafat Ilmu Komputer,” Jurnal ICT : Information Communication & Technology, vol. 25, pp. 181–186, doi: 10.36054/jict-ikmi.v25i2.336.

[5] R. F. P. Pratama and W. Maharani, “Comparative Analysis of Naive Bayes and SVM for Improved Emotion Classification on Social Media,” Edumatic: Jurnal Pendidikan Informatika, vol. 9, no. 1, pp. 11–20, Apr. 2025, doi: 10.29408/edumatic.v9i1.29087.

[6] D. Auliya Agustina, S. Subanti, E. Zukhronah, P. Studi Statistika, and U. Sebelas Maret, “Implementasi Text Mining Pada Analisis Sentimen Pengguna Twitter Terhadap Marketplace di Indonesia Menggunakan Algoritma Support Vector Machine,” 2020, doi: 10.20961/ijas.v3i2.44337

[7] N. S. Wardani, A. Prahutama, and P. Kartikasari, “Analisis Sentimen Pemindahan Ibu Kota Negara dengan Klasifikasi Naïve Bayes untuk Model Bernoulli dan Multinomial,” Jurnal Gaussian. vol. 9, 2020, [Online]. Available: https://ejournal3.undip.ac.id/index.php/gaussian/

[8] D. Shabira et al., “MIND (Multimedia Artificial Intelligent Networking Database Deteksi Seksisme Online menggunakan Support Vector Machine dan Naïve Bayes,” Journal MIND Journal | ISSN, vol. 8, no. 2, pp. 254–266, 2023, doi: 10.26760/mindjournal.v8i2.254-266.

[9] T. Setiawan, S. Liem, and D. M. R. Pribadi, “Perbandingan Algoritma SVM dan Naïve Bayes dalam Analisis Sentimen Komentar Tiktok pada Produk Skincare,” 2024. [Online]. Available: https://jurnal.politap.ac.id/index.php/aicoms

[10] A. Alif Nurrahman, E. Moza, R. Md, R. Roshan, A. Rizky, and H. Irsyad, “Opini Publik terhadap Isu Pengoplosan Pertamax di Youtube Menggunakan Metode Naive Bayes,” AICOMS 2025, vol. 4, no. 2, pp. 55–61, 2025, doi: 10.58466/aicoms.v4i1.1990.

[11] Y. Asri, W. N. Suliyanti, D. Kuswardani, and M. Fajri, “Pelabelan Otomatis Lexicon Vader dan Klasifikasi Naive Bayes dalam menganalisis sentimen data ulasan PLN Mobile,” PETIR, vol. 15, no. 2, pp. 264–275, Nov. 2022, doi: 10.33322/petir.v15i2.1733.

[12] H. C. Husada and A. S. Paramita, “Analisis Sentimen Pada Maskapai Penerbangan di Platform Twitter Menggunakan Algoritma Support Vector Machine (SVM),” Teknika, vol. 10, no. 1, pp. 18–26, Feb. 2021, doi: 10.34148/teknika.v10i1.311.

[13] S. Rihastuti and A. Rosyidi, “Analisis Sentimen Pengguna TikTok tentang Progres Pembangunan IKN dengan Metode Random Forest” Journal of Computer Science and Technology JCS-TECH, vol. 5, no. 1, pp. 19–23, 2025, doi: https://doi.org/10.54840/jcstech.v5i1.345

[14] A. Oktavia Praneswara and N. Cahyono, “Analisis Sentimen Ulasan Aplikasi TikTok Shop Seller Center di Google Playstore Menggunakan Algoritma Naive Bayes,” Indonesian Journal of Computer Science Attribution, vol. 12, no. 6, p. 3925, 2023, doi: https://doi.org/10.33022/ijcs.v12i6.3473

[15] A. Septiani et al., “Analisis Sentimen Menggunakan Algoritma Naïve Bayes terhadap Regulasi TikTok Shop pada Media Sosial X (Twitter)” 2024, doi: 10.36040/jati.v8i4.9351.

[16] R. Wati, S. Ernawati, and H. Rachmi, “Pembobotan TF-IDF Menggunakan Naïve Bayes pada Sentimen Masyarakat Mengenai Isu Kenaikan BIPIH,” Jurnal Manajemen Informatika (JAMIKA), vol. 13, no. 1, pp. 84–93, Apr. 2023, doi: 10.34010/jamika.v13i1.9424.

[17] A. S. Rizkia, W. Wufron, and F. F. Roji, “Analisis Sentimen Coretax: Perbandingan Pelabelan Data Manual, Transformers-Based, dan Lexicon-Based pada Performa IndoBERT,” MALCOM: Indonesian Journal of Machine Learning and Computer Science, vol. 5, no. 3, Jul. 2025, doi: 10.57152/malcom.v5i3.2151.

[18] N. F. Hilmi and F. Irwiensyah, “Analisis Sentimen Terhadap Aplikasi Tiktok Dari Ulasan Pada Google Playstore Menggunakan Metode NaÃ¯ve Bayes,” SMATIKA JURNAL, vol. 14, no. 01, pp. 146–156, Jul. 2024, doi: 10.32664/smatika.v14i01.1210.

[19] A. Ridwan, “Penerapan Algoritma Naïve Bayes Untuk Klasifikasi Penyakit Diabetes Mellitus,” 2020, doi: 10.47970/siskom-kb.v4i1.169.

[20] S. Rabbani, D. Safitri, N. Rahmadhani, A. A. F. Sani, and M. K. Anam, “Perbandingan Evaluasi Kernel SVM untuk Klasifikasi Sentimen dalam Analisis Kenaikan Harga BBM,” MALCOM: Indonesian Journal of Machine Learning and Computer Science, vol. 3, no. 2, pp. 153–160, Oct. 2023, doi: 10.57152/malcom.v3i2.897.