https://jurnaleeccis.ub.ac.id/ p-ISSN : 1978-3345, e-ISSN(Online): 2460-8122 Jurnal EECCIS Vol. 14, No. 1, April 2020 pp 31-34 Manuscript submitted on January 2020, accepted and published on April 2020 Metode Naive Bayes untuk Menganalisis Akurasi Sentimen Komentar di Youtube Aditiya Rahman 1 , Fadhil Rahmat 2 , Muhammad Yoga Fariqi 3 , dan Sumarni Adi 4 1,2,3,4 Program Studi Informatika, Fakultas Ilmu Komputer, Universitas AMIKOM Yogyakarta e-mail: 1 aditiya.rahman@students.amikom.ac.id, 2 fadhil.rahmat@students.amikom.ac.id, 4 sumarni.a@amikom.ac.id Abstract - The revolution on social media has attracted users to video sharing sites like YouTube. This site is the most popular social media site where people see, share and interact by commenting on videos. There are various types of videos shared by users such as songs, movie trailers, news, entertainment etc. Some time ago the most trending video was a video about World War III (WWIII / WW3). Analyzing comments from videos about WW3 gives viewers opinions about WW3. Study the sentiments expressed in this commentary whether WW3 gets positive or negative feedback. The machine learning algorithm, Naive Bayes, is used in comments to find out its sentiments. The test results of 1500 data produced 30.3% positive sentiment and 60.6% negative sentiment, with an accuracy of 78.17%. Index Terms - YouTube, World War III, WW3, Naive Bayes Abstrak - Revolusi di media sosial telah menarik pengguna ke situs berbagi video seperti YouTube. Situs ini adalah situs media sosial paling populer tempat orang melihat, berbagi, dan berinteraksi dengan mengomentari video. Ada berbagai jenis video yang dibagikan oleh pengguna seperti lagu, trailer film, berita, hiburan dll. Beberapa waktu yang lalu video yang paling trending adalah video tentang World War III (WWIII/WW3) atau perang dunia ke 3. Menganalisis komentar dari video tentang WW3 memberikan pendapat pemirsa terhadap WW3. Mempelajari sentimen yang diungkapkan dalam komentar ini menunjukkan apakah WW3 mendapatkan umpan balik positif atau negatif. Algoritma machine learning, Naive Bayes, digunakan pada komentar untuk mengetahui sentimennya. Hasil pengujian sebanyak 1500 data menghasilkan sentimen positif sebanyak 30,3% dan sentimen negatif sebanyak 60,6%, dengan akurasi sebesar 78.17%. Kata Kunci - YouTube, World War III, WW3, Naive Bayes I. PENDAHULUAN Era kini adalah era informatika. Segala sesuatu di dunia dapat terhubung dengan mudah memanfaatkan teknologi informasi yang berkembang pesat, sehingga kehidupan sehari-hari terasa lebih cepat, jarak terasa lebih pendek, segala hal terasa lebih mudah. Gadget dan smartphone adalah implementasi era informatika. Masyarakat dapat hidup tanpa uang, namun tidak tanpa gadget dan smartphone, kira-kira begitu frasa yang sering diungkapkan orang kini[1]. Terlebih lagi penggunaan social media yang semakin banyak dipergunakan oleh masyarakat. Maraknya penggunaan social media sendiri memiliki dampak positif dan dampak negatif. Dampak positif yang didapat dari penggunaan social media antara lain mempermudah komunikasi, mempermudah penyebaran informasi, mempermudah mencari ilmu pengetahuan dan lain sebagainya. Sebaliknya penggunaan social media memiliki dampak negatif berupa membuat seseorang kurang waspada terhadap lingkungan sekitarnya, rawannya terjadi kejahatan, namun yang paling sering dijumpai adalah banyaknya tersebar hate speech atau ujaran kebencian ke kelompok atau individu tertentu. Hate Speech (Ucapan Penghinaan/atau kebencian) adalah tindakan komunikasi yang dilakukan oleh suatu individu atau kelompok dalam bentuk provokasi, hasutan, ataupun hinaan kepada individu atau kelompok yang lain dalam hal berbagai aspek seperti ras, warna kulit, etnis, gender, cacat, orientasi seksual, kewarganegaraan, agama, dan lain-lain[2]. Seiring dengan perkembangan zaman dan Teknologi Informasi, perkataan itu bisa diucapkan dengan banyak media. Salah satu media yang digunakan untuk melontarkan hate speech atau ujaran kebencian adalah situs penyedia layanan streaming video yaitu Youtube. Youtube adalah sebuah situs web berbagi video yang populer dimana pengguna dapat mengunggah serta menonton berbagai klip video dengan gratis[3]. Berdasarkan CEO Youtube, Susan Wojcicki mengungkapkan bahwa ada 1,8 miliar pengguna Youtube terdaftar yang menyaksikan video di platform tersebut setiap bulannya di tahun 2019. Angka ini tidak termasuk penonton yang menyaksikan video di Youtube tanpa membuat akun[4]. Salah satu fitur yang diberikan oleh Youtube untuk penggunanya adalah fitur komentar, di mana pengguna bisa mengomentari sebuah klip video yang mereka buka dengan syarat pengguna harus login terlebih dahulu. Pada kolom komentar di situs Youtube inilah sering terdapat komentar – komentar yang mengandung hate speech yang ditujukan kepada pembuat video, orang yang ada di dalam video, dan lain sebagainya. Saat ini, masih minim penelitian terkait pendeteksian hate speech pada komentar pada situs penyedia layanan streaming video Youtube. Penelitian pertama kali menyatakan bahwa telah menekankan pada masalah – masalah berikut untuk menentukan polaritas komentar yang diberikan oleh pengguna Youtube. 1) Kamus sentimen saat ini memiliki keterbatasan, 2) Pengguna menggunakan bahasa yang informal, 3) Perkiraan