Implementasi Web-Based Sentiment Analysis menggunakan Metode Machine Learning
Author
Abstract
Perkembangan teknologi informasi yang pesat telah mengubah pola interaksi dan komunikasi masyarakat. media sosial menjadi bagian penting kehidupan, memengaruhi opini publik, budaya, dan norma. Indonesia menempati peringkat ke-9 dunia dalam penggunaan media sosial dengan rata-rata 191 menit per hari. Analisis sentimen berperan untuk memahami opini publik melalui klasifikasi teks positif, negatif, atau netral. Namun, banyak platform analisis yang berbayar, membatasi akses pengguna. Penelitian ini mengembangkan SENTILAB, alat analisis sentimen berbasis web gratis menggunakan Python dan Streamlit. Fitur mencakup scraping komentar dari YouTube, Twitter (X), dan Play Store, preprocessing (stopword removal, stemming, pelabelan), serta pemodelan dengan lima algoritma machine learning yaitu Naïve Bayes, SVM, KNN, Random Forest, dan AdaBoost. Platform dilengkapi video tutorial dan panduan PDF sehingga dapat digunakan tanpa keahlian coding. Pengujian pada 2.000 ulasan TikTok menunjukkan AdaBoost sebagai model terbaik (akurasi 88,48%), diikuti SVM (86,39%) dan Random Forest (85,86%). Validasi oleh ahli materi, ahli machine learning, dan 16 pengguna memberikan skor kelayakan 100%, 97,33%, dan 92,56%. SENTILAB menjadi solusi praktis dan gratis bagi akademisi, peneliti, dan masyarakat untuk analisis sentimen yang efektif.