bab i pendahuluan

BAB I
PENDAHULUAN
1.1.
Latar Belakang Masalah
Media sosial seperti Facebook, Twitter, dan YouTube pada saat ini dengan cepat
membawa informasi dari jutaan penggunanya yang dapat mempengaruhi suatu pandangan
netizen kepada sebuah objek, seperti seseorang, produk, perusahaan, bahkan negara. Hal
ini secara tidak langsung meningkatkan pentingnya informasi sentimen yang diekspresikan
oleh netizen di media sosial. Media sosial merupakan alat promosi bisnis yang efektif
karena dapat diakses oleh siapa saja, sehingga jaringan promosi bisa lebih luas. Media
sosial menjadi bagian yang sangat diperlukan oleh pemasaran bagi banyak perusahaan dan
merupakan salah satu cara terbaik untuk menjangkau pelanggan dan klien. Media sosial
seperti Facebook, Twitter, dan YouTube memiliki sejumlah manfaat bagi perusahaan dan
lebih cepat dari media konvensional seperti media cetak dan iklan, brosur dan selebaran.
Dilansir dari Pixability.com, ada total 18.9 miliar kali penayangan video yang
berkaitan dengan barang elektronik yang dilakukan oleh kurang lebih 902.615 penonton
konsumen barang elektronik. Khusus di bidang smartphone mendapatkan perhatian khusus
di YouTube dengan mencapai jumlah penayangan 334 juta setiap bulannya, menjadikan
domain smartphone mendapatkan view terbanyak atau 2,6 kali lipat penayangan barang
sejenis komputer yang berada diurutan kedua peringkat penayangan barang elektronik.
YouTube sebagai media sosial berbasis video yang paling popular di dunia menjadi
salah satu media promosi paling penting untuk menjual produk dengan skala global.
Promosi yang dilakukan dapat berupa membuat ulasan sebuah produk atau membuat iklan
(ads) yang akan ditampilkan pada video-video tertentu. Kepopuleran media sosial
YouTube semakin meningkat di Indonesia ditandai dengan mulai bermunculan event-event
bertemakan YouTube dan channel YouTube dengan berbagai tujuan, salah satunya adalah
channel yang berisi tentang resensi smartphone. Cara meresensi setiap channel juga
berbeda-beda, beberapa channel professional biasanya menggunakan perlengkapan
lengkap sehingga hasil video terlihat maksimal, namun juga tidak sedikit channel yang
amatiran. Hal ini menimbulkan berbagai perspektif dari netizen dalam menilai produk.
YouTube memfasilitasi netizen untuk dapat memberikan tanggapan terhadap video
tersebut dengan beberapa cara, salah satunya dengan memberikan komentar pada video
tersebut (Madden, et al,.2011). Isi komentar dapat memiliki tujuan yang lebih variatif, bisa
ditujukan kepada bagaimana video tersebut disampaikan atau ditujukan kepada barang
1
2
yang sedang diresensi, smartphone misalnya. Komentar bisa menjadi lebih informatif
karena netizen dapat memberikan opini mereka terhadap sebuah produk maupun cara
menyampaikan videonya. Dengan menganalisa sentimen dan tipe komentar, dapat
diketahui pandangan netizen kepada sebuah produk dan/atau video tersebut. Bagi para
pelaku bisnis, hal ini sangat berpengaruh karena mereka memperoleh penilaian dari netizen
terhadap produk mereka. Begitu pula dengan YouTuber (sebutan untuk orang yang
memiliki channel di YouTube), mereka dapat mengevaluasi cara penyampaian resensi
mereka dalam sebuah video.
Severyn, et al. (2014) melakukan penelitian klasifikasi terhadap komentar video
YouTube untuk memprediksi polaritas opini serta tipe dari komentar. Domain penelitian
yang dipilih adalah domain tablets dan domain automobiles. Pendekatan yang dilakukan
dibagi menjadi dua tahap, pendekatan pertama disebut FVEC menggunakan metode bagof-words yang telah diperkaya dengan sentimen leksikon, pendekatan kedua disebut
STRUCT menggunakan metode chunking. Algoritma klasifikasi yang digunakan adalah
SVM dengan kernel Shallow Syntatic Tree Kernel (SHTK). Penelitian ini membuktikan
bahwa hasil klasifikasi dengan pendekatan metode STRUCT lebih tinggi (± 3%).
Joachims (1998) menyatakan bahwa SVM dianggap memiliki akurasi paling baik
dalam melakukan klasifikasi teks dibandingkan dengan algoritma lain seperti KNN dan
Bayes dengan hasil akurasi SVM 86,4% menggunakan fungsi kernel RBF sedangkan
akurasi KNN 82,3% dan Naïve Bayes 72%. Argumen ini didukung oleh Saleh, et al. (2011)
dalam penelitiannya seputar opinion mining dengan memberikan argument bahwa SVM
memiliki performa yang lebih baik dibandingkan Naïve Bayes dan Maximum Entropy.
Atas dasar-dasar tersebut diatas, penulis mengusulkan topik opinion mining pada komentar
video YouTube dengan menggunakan algoritma SVM.
1.2.
Rumusan Masalah
Rumusan masalah dalam penelitian ini adalah menganalisa setiap komentar
berbahasa Indonesia dari sebuah video YouTube mengenai resensi smartphone sehingga
dapat diketahui sentimen dan tipe komentar terhadap video.
1.3.
Batasan Masalah
Batasan masalah dalam penelitian ini adalah sebagai berikut:
1. Komentar berasal dari hasil fitur “search” YouTube dengan menggunakan kata
kunci “review hape indonesia”.
3
2. Video dipilih berdasarkan rekomendasi teratas dari fitur search YouTube dan
tidak mempedulikan merk handphone.
3. Video diambil dari kanal berbahasa Indonesia
4. Satu video hanya membahas satu produk smartphone saja.
5. Setiap video dibatasi 100 komentar dan komentar yang diolah berbahasa
Indonesia.
6. Komentar spam merupakan komentar yang berisi tautan.
7. Komentar yang akan diolah sebanyak 13638 komentar.
8. Subkomentar tidak diolah.
1.4.
Tujuan Penelitian
Tujuan penelitian ini adalah implementasi algoritma support vector machine
untuk:
1. Memprediksi sentimen dan memprediksi tipe komentar berbahasa Indonesia dari
video resensi smartphone yang berasal dari YouTube.
2. Menguji berbagai fungsi kernel pada algoritma support vector machine untuk
mendapatkan fungsi kernel yang menghasilkan prediksi terbaik.
3. Menguji berbagai pendekatan yang dapat dilakukan untuk mendapatkan prediksi
terbaik.
1.5.
Manfaat Penelitian
Berdasarkam tujuan penelitian diatas, penelitian ini memiliki manfaat sebagai
berikut.
1. Mengetahui sentimen netizen terhadap suatu produk.
2. Mengetahui tingkat relevansi komentar terhadap video.