Keywords
Analisis Sentimen
JKT48
YouTube
How to Cite
Abstract
Media sosial khususnya YouTube telah menjadi platform utama interaksi antara entertainment group dan audiensnya, termasuk JKT48 sebagai sister group AKB48 di Indonesia. Penelitian ini bertujuan menganalisis sentimen komentar pada video "GO AND FIGHT! - JKT48 Special Performance Video" untuk memahami respons emosional audiens terhadap konten yang diproduksi. Metode yang digunakan adalah analisis sentimen berbasis lexicon menggunakan Inset Lexicon dengan tahapan pengambilan data melalui YouTube API v3, text preprocessing (case folding, tokenizing, normalization, stopwords, dan stemming), pelabelan data, dan visualisasi hasil. Dari 1000 komentar yang dianalisis, hasil menunjukkan distribusi sentimen positif 42,3%, netral 34,3%, dan negatif 21,7%. Temuan ini mengindikasikan penerimaan yang baik terhadap konten JKT48 di YouTube dan menegaskan efektivitas metode berbasis lexicon untuk analisis sentimen berbahasa Indonesia pada platform media sosial.
References
[1] N. Abel Laia and S. P. Barus, “Analisis Sentimen YouTube: ‘Di Balik Ambisi Jokowi dalam IKN,’” J. Pustaka AI (Pusat Akses Kaji. Teknol. Artif. Intell., vol. 5, no. 1, pp. 07–12, Apr. 2025, doi: 10.55382/jurnalpustakaai.v5i1.891.
[2] M. Rizky Herdiansyah and A. Yuliana, “ANALISIS SENTIMEN KEBIJAKAN KAMPUS MERDEKA MENGGUNAKAN NAÏVE BAYES BERDASARKAN KOMENTAR PADA YOUTUBE,” JATI (Jurnal Mhs. Tek. Inform., vol. 8, no. 6, pp. 12454–12459, Nov. 2024, doi: 10.36040/jati.v8i6.11963.
[3] M. Undap, V. P. Rantung, and P. T. D. Rompas, “Analisis Sentimen Situs Pembajak Artikel Penelitian Menggunakan Metode Lexicon-Based,” Jointer - J. Informatics Eng., vol. 2, no. 02, pp. 39–46, 2021, doi: 10.53682/jointer.v2i02.44.
[4] S. Mujilahwati, “Analisis Sentimen Pengguna Aplikasi Chatgpt Berdasarkan Rating Menggunakan Metode Lexicon,” Rabit J. Teknol. dan Sist. Inf. Univrab, vol. 9, no. 1, pp. 131–137, 2023, doi: 10.36341/rabit.v9i1.3845.
[5] S. A. Putra and A. Wijaya, “Analisis Sentimen Artificial Intelligence (Ai) Pada Media Sosial Twitter Menggunakan Metode Lexicon Based,” JuSiTik J. Sist. dan Teknol. Inf. Komun., vol. 7, no. 1, pp. 21–28, 2023, doi: 10.32524/jusitik.v7i1.1042.
[6] F. Febriant, H. Christy, and A. Wijaya, “Analisis Sentimen Film The Marvels Dari Aplikasi Twitter Menggunakan Metode Lexicon Based,” JuSiTik J. Sist. dan Teknol. Inf. Komun., vol. 7, no. 1, pp. 37–42, 2023, doi: 10.32524/jusitik.v7i1.1046.
[7] P. A. Sumitro, Rasiban, D. I. Mulyana, and W. Saputro, “Analisis Sentimen Terhadap Vaksin Covid-19 di Indonesia pada Twitter Menggunakan Metode Lexicon Based,” J-ICOM - J. Inform. dan Teknol. Komput., vol. 2, no. 2, pp. 50–56, 2021, doi: 10.33059/j-icom.v2i2.4009.
[8] F. Koto and G. Y. Rahmaningtyas, “Inset lexicon: Evaluation of a word list for Indonesian sentiment analysis in microblogs,” Proc. 2017 Int. Conf. Asian Lang. Process. IALP 2017, vol. 2018-Janua, no. December, pp. 391–394, 2017, doi: 10.1109/IALP.2017.8300625.
[9] S. Khomsah and A. S. Aribowo, “Model Text-Preprocessing Komentar Youtube Dalam Bahasa Indonesia,” J. Resti, vol. 1, no. 3, pp. 648–654, 2017, doi: 10.13140/RG.2.2.32319.74403.
[10] Fornigulo, “kamus_slag,” www.kaggle.com. Accessed: Jun. 04, 2025. [Online]. Available: https://www.kaggle.com/datasets/fornigulo/kamus-slag
[11] D. Musfiroh, U. Khaira, P. E. P. Utomo, and T. Suratno, “Analisis Sentimen terhadap Perkuliahan Daring di Indonesia dari Twitter Dataset Menggunakan InSet Lexicon,” MALCOM Indones. J. Mach. Learn. Comput. Sci., vol. 1, no. 1, pp. 24–33, 2021, doi: 10.57152/malcom.v1i1.20.
[12] Fajri91, “InSet (Indonesia Sentiment Lexicon),” github.com. Accessed: Jun. 04, 2025. [Online]. Available: https://github.com/fajri91/InSet
This work is licensed under a Creative Commons Attribution-ShareAlike 4.0 International License.
Copyright (c) 2025 Azanda Okta Kurniawan Adi, Ardi Sanjaya, Ahmad Bagus Setiawan