ANALISIS SENTIMEN PUBLIK TERHADAP PENANGGULANGAN JUDI ONLINE MENGGUNAKAN METODE NAIVE BAYES DAN SVM DI INDONESIA
DOI:
https://doi.org/10.31949/infotech.v11i2.16795Abstract
Praktik perjudian kini kian marak terjadi di indonesia, PPATK mencatat bahwa kerugian negara akibat judi online sangat mengkhawatirkan, penelitian ini mengkaji sentimen dan pendapat masyarakat Indonesia terhadap judi online menggunakan dua metode pengklasifikasian, yaitu Naïve Bayes dan Support Vector Machine (SVM). Data yang digunakan berasal dari 2.084 komentar di video-video YouTube yang dikelola oleh kanal Ferry Irwandi. Proses penelitian ini meliputi beberapa tahap, yaitu data cleaning, normalisasi bahasa, menghilangkan kata yang tidak penting, memecah kalimat menjadi kata-kata, memperbaiki bentuk kata, serta melakukan ekstraksi fitur pada kata menggunakan TF-IDF sebelum dilakukan pengklasifikasian pada model. Hasil penelitian menunjukkan bahwa SVM memiliki kemampuan yang lebih baik dibandingkan Naïve Bayes, dengan tingkat akurasi sebesar 0,58 dan skor F1 yang lebih seimbang pada kategori netral dan positif. Sementara itu, Naïve Bayes hanya mampu mencapai akurasi sebesar 0,54 dan menunjukkan kemiringan yang signifikan pada kategori negatif. Selain itu, kedua metode tersebut terpengaruh oleh ketidakseimbangan distribusi perasaan dalam data yang digunakan. Secara umum, temuan penelitian menunjukkan bahwa masyarakat Indonesia cenderung memiliki perasaan negatif terhadap judi online, yang terlihat dari dominasi kata-kata yang bersifat mengkritik dalam komentar. Hasil penelitian ini diharapkan dapat membantu dalam memahami opini publik serta merancang strategi yang lebih tepat dalam menghadapi isu perjudian online di Indonesia.
Keywords:
Naive Bayes, SVM, Judi Online, Analisis SentimenDownloads
References
Apriyani, H., & Kurniati, K. (2020). Perbandingan Metode Naïve Bayes Dan Support Vector Machine Dalam Klasifikasi Penyakit Diabetes Melitus. Journal of Information Technology Ampera, 1(3), 133–143. https://doi.org/10.51519/journalita.volume1.isssue3.year2020.page133-143
Gifari, O. I., Adha, Muh., Freddy, F., & Durrand, F. F. S. (2022). Film Review Sentiment Analysis Using TF-IDF and Support Vector Machine. Journal of Information Technology, 2(1), 36–40.
Hasibuan, E., & Allistair, E. (2022). Analisis Sentimen Pada Ulasan Aplikasi Amazon Shopping Di Google Play. JTS (Jurnal Teknik Dan Science, 1(3), 13–24.
Heru Widiyanto, M., Mayasari, R., & Garno, G. (2023). Implementasi Time Series Pada Data Penjualan Di Gaikindo Menggunakan Algoritma Seasonal Arima. JATI (Jurnal Mahasiswa Teknik Informatika), 7(3), 1501–1506. https://doi.org/10.36040/jati.v7i3.6879
Julianti, O. N., Suarna, N., & Prihartono, W. (2024). Penerapan Natural Language Processing Pada Analisis Sentimen Judi Online Di Media Sosial Twitter. JATI (Jurnal Mahasiswa Teknik Informatika), 8(3), 2936–2941. https://doi.org/10.36040/jati.v8i3.9613
Maulana, A., Yuliana, A., Bandung, T., Politeknik, J., Pesantren, J., & Cimahi, K. (2024). Online Menggunakan Algoritma Naïve Bayes Dan Support Vector Mechine. 12(3), 3706–3714.
Muharam, Z. K., Astuti, S. W., Prasida, R., & Syahputra, F. D. (2024). Penggunaan Influencer Dalam Promosi Judi Online Dan Sentimen Publik. Indonesian Journal of Digital Public Relations (IJDPR), 3(1), 54–63.
Mujahidin, S., Hasyim, M. N., & Pratama, B. M. (2022). Implementasi Analisis Sentimen Opini Publik Mengenai Sirkuit Internasional Mandalika Pada Twitter Menggunakan Metode Multinomial Naïve Bayes Classifier. Bianglala Informatika, 10(2), 129–136. https://doi.org/10.31294/bi.v10i2.13544
Mukhsinin, D. A., Rafliansyah, M., Ibrahim, S. A., Rahmaddeni, R., & Wulandari, D. (2024). Implementasi Algoritma Decision Tree untuk Rekomendasi Film dan Klasifikasi Rating pada Platform Netflix. MALCOM: Indonesian Journal of Machine Learning and Computer Science, 4(2), 570–579. https://doi.org/10.57152/malcom.v4i2.1255
Nasution, D. A., Khotimah, H. H., & Chamidah, N. (2020). Perbandingan Normalisasi Data untuk Klasifikasi Wine Menggunakan Algoritma K-NN. Computer Engineering, Science and System Journal, 4(1), 78. https://doi.org/10.24114/cess.v4i1.11458
Parameswari, S. D., Lubis, M., Suakanto, S., Ramadhan, Y. Z., Amanah, R. N., & Dila, R. A. (2025). Studi Perbandingan Naïve Bayes dan Support Vector Machine (SVM) dalam Analisis Sentimen Pengguna Metaverse. Jurnal Teknologi Dan Manajemen Industri Terapan, 4(3), 1059–1065. https://doi.org/10.55826/jtmit.v4i3.1122
Ridwan, A. (2020). Penerapan Algoritma Naïve Bayes Untuk Klasifikasi Penyakit Diabetes Mellitus. IV(September), 15–21.
Septiani, D., & Isabela, I. (2022). Term Frequency Inverse Document Frequency (Tf-Idf) Analysis in Information Retrieval in Text Documents. Jurnal Sistem Dan Teknologi Informasi Indonesia(SINTESIA), 1(2), 81–88.
Shidiq, M. F. A., & Alita, D. (2025). Kasus Judi Online Menggunakan Data Dari Media Sosial X Pendekatan Naive Bayes Dan Svm. Jurnal Sistem Informasi Dan Informatika (SIMIKA), 8(1), 24–35.
Simanjuntak, N., & Muhammad, A. H. (2025). Analisis Perbandingan Algoritma SVM dan CNN dalam Mendeteksi Website Judi Online Berdasarkan Konten Teks. Media Online), 5(4), 361–371. https://doi.org/10.47065/bulletincsr.v5i4.586
Sudarsono, B. G., Leo, M. I., Santoso, A., & Hendrawan, F. (2021). Analisis Data Mining Data Netflix Menggunakan Aplikasi Rapid Miner Analysis Data Mining Netflix Data Using The Rapid Miner Application. Journal of Business and Audit Information Systems, 4(1), 13–21. https://journal.ubm.ac.id/index.php/jbase/article/view/2729/2026
Published
How to Cite
Issue
Section
License
Copyright (c) 2025 Dzaki Ahnaf Zulfikar, Sufianto Ahmad Arrafi, Elvin Mauladan, Ramdhan Shurai Hafiz, Syabid Al Basith, Wahyudya Triwidodo
This work is licensed under a Creative Commons Attribution-ShareAlike 4.0 International License.
