Perbandingan Random Forest dan SVM pada Analisis Sentimen Reformasi Pendidikan
DOI:
https://doi.org/10.71302/jbidai.v9i1.92Kata Kunci:
Analisis Sentimen, komentar youtube, reformasi pendidikan, random forest, SVMAbstrak
Penelitian ini bertujuan untuk membandingkan kinerja algoritma Random Forest dan Support Vector Machine (SVM) dalam melakukan analisis sentimen terhadap komentar YouTube terkait reformasi pendidikan di Indonesia. Dataset yang digunakan dalam penelitian ini berjumlah 981 komentar yang dikumpulkan dari platform YouTube, dan diberi label secara acak dengan dua kategori, yaitu “positive” dan “negative”. Proses labeling dilakukan menggunakan Microsoft Excel, sedangkan pengolahan data dilakukan dengan perangkat lunak RapidMiner. Evaluasi model dilakukan menggunakan metode cross-validation untuk memperoleh hasil yang lebih objektif dan menghindari overfitting. Hasil penelitian menunjukkan bahwa algoritma Random Forest memperoleh akurasi sebesar 99.87% ± 0.40% dengan micro average sebesar 99.87%, sedangkan algoritma SVM menghasilkan akurasi sebesar 90.58% ± 3.78% dengan micro average sebesar 90.57%. Berdasarkan hasil tersebut, dapat disimpulkan bahwa Random Forest memiliki performa yang lebih unggul dalam mengklasifikasikan sentimen komentar dibandingkan dengan SVM. Hal ini dikarenakan kemampuan Random Forest dalam menggabungkan beberapa pohon keputusan sehingga menghasilkan prediksi yang lebih stabil dan akurat. Temuan penelitian ini dapat menjadi acuan bagi peneliti lain dalam memilih algoritma yang tepat untuk analisis sentimen pada data teks, khususnya dalam konteks pendidikan dan opini publik.
Referensi
[1] A. Safira, A. S. Masyarakat…, and F. N. Hasan, “ANALISIS SENTIMEN MASYARAKAT TERHADAP PAYLATER MENGGUNAKAN METODE NAIVE BAYES CLASSIFIER,” Jurnal Sistem Informasi, vol. 5, no. 1, 2023.
[2] A. Susanto, I. Agung Dzulkarnain, P. Studi Statistika, and F. Matematika Dan Ilmu Pengetahuan Alam, “Analisis Sentimen Data Twitter Topik Ekonomi Dan Industri Dengan Metode Naive Bayes Dan Random Forest,” Jurnal Ilmiah Wahana Pendidikan, Oktober, vol. 2023, no. 20, pp. 59–65, doi: 10.5281/zenodo.8398895.
[3] F. A. Abdullah, G. Nusantara Bakry, S. Fatimah, Z. Fibaeti, and I. Komunikasi, “MUKASI: Jurnal Ilmu Komunikasi Analisis Sentimen dan Jaringan Pada Video Youtube Malaka ‘Memahami Danantara dengan Mudah,’” vol. 4, no. 3, pp. 750–761, 2025, doi: 10.54259/mukasi.v4i3.5162.
[4] R. Tjut Adek, Z. Fitri, and S. C. Siregar, “Analisis Sentimen Komentar Pada Saluran Youtube Beauty Vlogger Berbahasa Indonesia Menggunakan Metode Support Vector Machine,” Jurnal Algoritme, vol. 5, no. 2, pp. 164–175, Apr. 2025, doi: 10.35957/algoritme.v5i2.9692.
[5] N. Arita, “ANALISIS SENTIMEN PENGGUNA YOUTUBE TERHADAP ANIME SPY X FAMILY BAHASA INDONESIA MENGGUNAKAN NAÏVE BAYES,” Jurnal Informatika dan Teknik Elektro Terapan, vol. 13, no. 3, Jul. 2025, doi: 10.23960/jitet.v13i3.7362.
[6] R. A. Firsttama, A. A. Arifiyanti, and D. S. Y. Kartika, “Analisis Sentimen Komentar Youtube Konferensi Tingkat Tinggi G20 Menggunakan Metode Naive Bayes,” Jurnal Teknologi Dan Sistem Informasi Bisnis, vol. 6, no. 2, pp. 282–285, Apr. 2024, doi: 10.47233/jteksis.v6i2.1263.
[7] A. N. Syafia, M. F. Hidayattullah, and W. Suteddy, “Studi Komparasi Algoritma SVM Dan Random Forest Pada Analisis Sentimen Komentar Youtube BTS,” vol. 8, no. 3, 2023.
[8] H. Al Rasyid Harpizon et al., “Analisis Sentimen Komentar Di YouTube Tentang Ceramah Ustadz Abdul Somad Menggunakan Algoritma Naïve Bayes,” Jurnal Nasional Komputasi dan Teknologi Informasi, vol. 5, no. 1, 2022.
[9] S. Risyani, J. K. Sihotang, A. L. Prastia, A. Putra, and R. Fahlapi, “PERBEDAAN SISTEM PENDIDIKAN INDONESIA DENGAN NEGARA-NEGARA DI ASIA TENGGARA,” Educatioanl Journal: General and Specific Research, vol. 4, no. Juni, pp. 343–350, 2024.
[10] L. Eko Wahyudi et al., “Mengukur Kualitas Pendidikan di Indonesia,” 2022. [Online]. Available: https://jurnal.maarifnumalang.id/
[11] R. Rosdiana, F. Yuniar, D. A. Solihin, A. Amaliah, and S. Anwar, “Reformasi Pendidikan Global: Membangun Sistem Pendidikan yang Responsif terhadap Perubahan Sosial dan Teknologi,” Edu Cendikia: Jurnal Ilmiah Kependidikan, vol. 4, no. 03, pp. 1825–1838, Dec. 2024, doi: 10.47709/educendikia.v4i03.5605.
[12] D. Yunanda Putri, P. Studi Pendidikan Agama Islam, and S. Sangatta Kutai Timur, “Transformasi Pendidikan Indonesia di Era Reformasi: Analisis Perubahan, Tantangan, dan Harapan,” JIMU, 2025.
[13] A. Alhabeeb, M. Mohammed Abusharhah, T. Hariguna, and A. Rafi Hananto, “INTERNATIONAL JOURNAL ON INFORMATICS VISUALIZATION journal homepage : www.joiv.org/index.php/joiv INTERNATIONAL JOURNAL ON INFORMATICS VISUALIZATION An Investigation into Indonesian Students’ Opinions on Educational Reforms through the Use of Machine Learning and Sentiment Analysis.” [Online]. Available: www.joiv.org/index.php/joiv
[14] F. Khusna, S. Nur’aini, K. Umam, and M. R. Handayani, “EVALUASI EFEKTIVITAS SUPPORT VECTOR MACHINE DAN RANDOM FOREST DALAM KLASIFIKASI ULASAN PENGGUNA APLIKASI STREAMING VIDIO,” JSiI | Jurnal Sistem Informasi, vol. 12, no. 2, 2025.
[15] OECD Digital Education Outlook 2023. in OECD Digital Education Outlook. OECD Publishing, 2023. doi: 10.1787/c74f03de-en.
[16] S. Rifky, “Dampak Penggunaan Artificial Intelligence Bagi Pendidikan Tinggi,” Indonesian Journal of Multidisciplinary on Social and Technology, vol. 2, no. 1, pp. 37–42, Feb. 2024, doi: 10.31004/ijmst.v2i1.287.
[17] Chely Aulia Misrun, E. Haerani, M. Fikry, and E. Budianita, “Analisis sentimen komentar youtube terhadap Anies Baswedan sebagai bakal calon presiden 2024 menggunakan metode naive bayes classifier,” Jurnal CoSciTech (Computer Science and Information Technology), vol. 4, no. 1, pp. 207–215, Apr. 2023, doi: 10.37859/coscitech.v4i1.4790.
[18] Asmara Andhini, Fadilah Nuria Handayani, Intan Diasih, and Nurmalitasari, “Analisis Sentimen Opini Publik pada Channel Youtube Mata Najwa Menggunakan Metode SVM,” Jurnal Teknik Informatika dan Teknologi Informasi, vol. 5, no. 2, pp. 139–154, Jul. 2025, doi: 10.55606/jutiti.v5i2.5426.
[19] A. N. Nurkalyisah, A. Triayudi, and I. D. Sholihati, “Analisis Sentimen pada Twitter Berbahasa Indonesia Terhadap Penurunan Performa Layanan Indihome dan Telkomsel,” Jurnal Sistem dan Teknologi Informasi (JustIN), vol. 10, no. 4, p. 387, Dec. 2022, doi: 10.26418/justin.v10i4.50858.
[20] N. Rochmawati, A. Khanif Zyen, and N. A. Widiastuti, “Comparison of Support Vector Machine (SVM) and Random Forest Algorithms in the Analysis of Social Media X User Sentiment Towards the TNI Bill,” 2025. [Online]. Available: http://jurnal.polibatam.ac.id/index.php/JAIC
[21] O. Audrey, D. E. Ratnawati, and I. Arwani, “Analisis Sentimen Pengguna Twitter Terhadap Opini Non Fungible Token di Indonesia Menggunakan Algoritma Random Forest Classifier,” 2022. [Online]. Available: http://j-ptiik.ub.ac.id
[22] S. Raihan Putri and L. Rosnita, “Sentiment Analysis of Youtube and Gotube Reviews on Google Play Using the Support Vector Machine (SVM) Method in Indonesia,” 2025. [Online]. Available: http://jurnal.polibatam.ac.id/index.php/JAIC
[23] N. K. T. A. Saputri, I. G. A. Gunadi, and I. M. G. Sunarya, “Analisis Sentimen Pelayanan Daring di Fakultas Teknik dan Kejuruan Universitas Pendidikan Ganesha Menggunakan Algoritma Naïve Bayes dan LSTM,” MALCOM: Indonesian Journal of Machine Learning and Computer Science, vol. 4, no. 3, pp. 1120–1129, Jul. 2024, doi: 10.57152/malcom.v4i3.1336.
Unduhan
Diterbitkan
Cara Mengutip
Terbitan
Bagian
Lisensi
Artikel ini berlisensiCreative Commons Attribution-NonCommercial-ShareAlike 4.0 International License.
