Analisis Sentimen Publik terhadap Kualitas BBM Pertamina pada Komentar Youtube

Audy Trinugroho Listyawan, Nova Tri Romadloni

Abstract


Pertamina merupakan perusahaan energi milik negara yang memiliki peran penting dalam penyediaan Bahan Bakar Minyak (BBM) di Indonesia. Kualitas BBM yang dihasilkan sering menjadi perbincangan publik, dan menimbulkan beragam tanggapan di media sosial. Penelitian ini bertujuan untuk menganalisis sentimen publik terhadap kualitas BBM Pertamina berdasarkan komentar Pengguna pada platform YouTube. Sebanyak 3.775 komentar dikumpulkan melalui web scraping dan dilabeli otomatis menggunakan model indonesian-roberta-base-sentiment-classifier yang mengelompokkan komentar kedalam dua kategori yaitu positif dan negatif. Proses analisis dilakukan dengan perangkat lunak RapidMiner dengan menggunakan dua algoritma Naïve Bayes dan Support Vector Machine (SVM). Tahapan analisis meliputi preprocessing teks (tokenizing, stopword removal, stemming) serta pembobotan TF-IDF. Evaluasi model dilakukan menggunakan 10-Fold Cross Validation dengan metrik Accuracy dan AUC sebagai indikator performa model. Hasil penelitian ini menunjukkan SVM memiliki performa lebih baik dengan akurasi 80,99% dan AUC 0,76, dibandingkan Naïve Bayes dengan akurasi 67,69% dan AUC 0,50. Analisis Sentimen memperlihatkan bahwa mayoritas komentar bersentimen negatif, yang mengindikasikan ketidakpuasan publik terhadap kualitas BBM Pertamina.

Keywords


Analisis Sentimen; Naive Bayes; Pertamina; RapidMiner; YouTube

Full Text:

PDF

References


A. Amelia, L. N. Hayati, and H. Darwis, “Analisis Sentimen Masyarakat Terhadap Sistem Pembayaran Mypertamina dengan Metode Random Forest, SVM, dan Naïve Bayes,” Literatur Informatika & Komputer, vol. 1, no. 1, pp. 28–44, 2024, doi: 10.33096/linier.v1i1.2269.

R. A. Softina, F. M. Amin, and N. Wahyudi, “Analisis Faktor yang Mempengaruhi Innovation Resistance dan Intention to Use Terhadap Penerapan Pembayaran Non Tunai,” JURNAL SISTEM INFORMASI BISNIS, vol. 12, no. 1, pp. 26–35, Sep. 2022, doi: 10.21456/vol12iss1pp26-35.

O. : Arinda, S. Efendi, L. Ladzidza Vidiananda, F. P. Utami, A. Fitriyah, and D. I. Mardiningsih, “PT. Media Akademik Publisher REPUTASI PERTAMINA DAN MANAJEMEN KRISIS PASCA ISU PENGOPLOSAN BBM DI INDONESIA,” JMA), vol. 3, no. 6, pp. 3031–5220, 2025, doi: 10.62281.

E. Nazalatus Sa, adiyah Sy, F. Yunanto, and R. Kasanova, “Peran Media Sosial Dalam Pembentukan Opini Mahasiswa Fkip Universitas Madura: Analisis Interaksi Di Era Digital,” Jurnal Cendekia Ilmiah, vol. 3, no. 6, 2024.

W. Jurnal, J. Husna, M. Dyah Anggraini Widirahayu, S. Tinggi Multi Media, and J. Magelang Km, “Pemodelan Topik dan Analisis Sentimen pada ‘Voices of History: 50 Iconic Speeches’ Menggunakan Pendekatan Natural Language Processing,” Jurnal Ilmiah Manajemen Informasi dan Komunikasi, vol. 8, no. 1, 2024, doi: 10.20895/jimik.v8i1.page.

Rizal Chandra Rivaldi and T.D. Wismarini, “Analisis Sentimen Pada Ulasan Produk Dengan Metode Natural Language Processing (NLP),” Elkom: Jurnal Elektronika dan Komputer, vol. 17, no. 1, pp. 120–128, Jul. 2024, doi: 10.51903/elkom.v17i1.1680.

P. Studi Ilmu Komunikasi, “TREN PENGGUNAAN MEDIA SOSIAL SELAMA PANDEMI DI INDONESIA,” 2020.

S. Suwarto, A. Muzaki, and M. Muhtarom, “Pemanfaatan Media YouTube sebagai Media Pembelajaran pada Siswa Kelas XII MIPA di SMA Negeri 1 Tawangsari,” Media Penelitian Pendidikan : Jurnal Penelitian dalam Bidang Pendidikan dan Pengajaran, vol. 15, no. 1, pp. 26–30, Jun. 2021, doi: 10.26877/mpp.v15i1.7531.

P. Tutiasri, K. Lamionto, and K. Nazri, “Pemanfaatan Youtube Sebagai Media Pembelajaran Bagi Mahasiswa di Tengah Pandemi Covid-19,” vol. 2, 2020.

T. Muhayat, A. Fauzi, and D. J. Indra, “Analisis Sentimen Terhadap Komentar Video Youtube Menggunakan Support Vector Machines,” vol. 19, pp. 231–240, 2023.

C. Andrew, A. Budiyantara, and I. Lewenusa, “ANALISIS+SENTIMEN+KOMENTAR+PENGGUNA+YOUTUBE+UNTUK+PONSEL+DI+INDONESIA+BERBASIS+WEB,” 2024.

A. Bagus Sasmita, B. Rahayudi, and L. Muflikhah, “Analisis Sentimen Komentar pada Media Sosial Twitter tentang PPKM Covid-19 di Indonesia dengan Metode Naïve Bayes,” 2022. [Online]. Available: http://j-ptiik.ub.ac.id

A. Mudya Yolanda and R. Tri Mulya, “Implementasi Metode Support Vector Machine untuk Analisis Sentimen pada Ulasan Aplikasi Sayurbox di Google Play Store,” VARIANSI: Journal of Statistics and Its Application on Teaching and Research, vol. 6, no. 2, pp. 76–83, 2024, doi: 10.35580/variansiunm258.

M. Ma’rufudin and A. Yudhistira, “Analisis Sentimen Petani Milenial Pada Media Sosial X Menggunakan Algortitma Support Vector Machine (SVM),” Jurnal Pendidikan dan Teknologi Indonesia, vol. 5, no. 3, pp. 845–857, Mar. 2025, doi: 10.52436/1.jpti.717.

B. Budiman, Z. Silvana Anggraeni, C. Habibi, and N. Alamsyah, “Analisis Sentimen Publik pada Media Sosial Twitter Terhadap Tiket.com Menggunakan Algoritma Klasifikasi,” Jurnal Informatika, vol. 11, no. 1, pp. 1–10, Apr. 2024, doi: 10.31294/inf.v11i1.17988.

N. Silalahi and G. L. Ginting, “Analisa Sentimen Masyarakat Dalam Penggunaan Vaksin Sinovac Dengan Menerapkan Algoritma Term Frequence – Inverse Document Frequence (TF-IDF) dan Metode Deskripsi,” Journal of Information System Research (JOSH), vol. 3, no. 3, pp. 206–217, Apr. 2022, doi: 10.47065/josh.v3i3.1441.

N. V. Loca and D. Abdullah, “Analisis Sentimen terhadap Dedy Mulyadi Berdasarkan Komentar Youtube Menggunakan Metode Naïve Bayes,” Progresif: Jurnal Ilmiah Komputer, vol. 21, no. 2, p. 874, Aug. 2025, doi: 10.35889/progresif.v21i2.3102.

T. Widyanto, I. Ristiana, and A. Wibowo, “Komparasi Naïve Bayes dan SVM Analisis Sentimen RUU Kesehatan di Twitter,” SINTECH Journal, vol. 6, 2023, [Online]. Available: https://doi.org/10.31598

N. D. Japari et al., “PERAN PT. PERTAMINA SEBAGAI PENYEDIA PASOKAN BAHAN BAKAR MINYAK DI INDONESIA.”

H. B. Tambunan and T. W. D. Hapsari, “Analisis Opini Pengguna Aplikasi New PLN Mobile Menggunakan Text Mining,” PETIR, vol. 15, no. 1, pp. 121–134, Dec. 2021, doi: 10.33322/petir.v15i1.1352.

S. T. Andini, A. Eviyanti, H. Setiawan, and C. Taurusta, “Analisis Sentimen Pengguna Aplikasi Tantan: Perbandingan Kinerja Metode Naive Bayes dan SVM Sentiment Analysis of Tantan Application Users: A Performance Comparison Between Naive Bayes and SVM.”




DOI: https://doi.org/10.31284/j.kernel.2026.v7i1.8852

Refbacks

  • There are currently no refbacks.


Copyright (c) 2026 Audy Trinugroho Listyawan, Nova Tri Romadloni

Creative Commons License
This work is licensed under a Creative Commons Attribution 4.0 International License.

Diindeks oleh:
SINTA 5 logo Google Scholar logo Dimensions Logo