VOKASI NEWS – Perkembangan media sosial telah mengubah pola komunikasi pemasaran, terutama pada industri kecantikan yang banyak mengandalkan opini dan pengalaman pengguna. YouTube menjadi salah satu platform yang banyak digunakan karena menyediakan ruang bagi audiens untuk memberikan tanggapan melalui kolom komentar.
Komentar pada YouTube tidak hanya berisi pendapat singkat, tetapi juga memuat pengalaman, kritik, serta penilaian terhadap suatu produk maupun influencer. Oleh karena itu, komentar publik dapat menjadi sumber informasi untuk memahami kecenderungan opini audiens.
Sebuah penelitian pada Program Studi D-IV Teknik Informatika Universitas Airlangga mengangkat komentar publik di YouTube sebagai objek analisis sentimen. Penelitian tersebut menganalisis komentar pada kanal dua influencer kecantikan Indonesia, yaitu Tasya Farasya dan Kiara Leswara.
Kedua kanal tersebut dipilih karena memiliki jumlah audiens yang besar serta aktif mengunggah konten ulasan produk kecantikan. Melalui analisis sentimen, respons audiens dapat dipetakan berdasarkan kategori positif, negatif, maupun netral.
Respons terhadap influencer kecantikan tidak selalu menunjukkan pandangan positif. Sebagian audiens dapat memberikan kritik maupun tanggapan netral. Variasi tersebut dipengaruhi oleh kredibilitas influencer, pengalaman pengguna terhadap produk, serta kesesuaian pesan dengan kebutuhan audiens.
Dengan demikian, analisis sentimen diperlukan untuk memahami dinamika opini publik secara lebih objektif dan terukur (Kurniawan et al., 2021). Informasi tersebut dapat menjadi pertimbangan bagi agensi pemasaran digital sebelum melakukan kerja sama endorsement dengan influencer.
Dua Algoritma Diadu untuk Menggolongkan Sentimen
Penelitian ini membandingkan dua algoritma pembelajaran mesin, yaitu Support Vector Machine (SVM) dan Logistic Regression, untuk mengelompokkan sentimen komentar YouTube.
Data komentar diperoleh melalui YouTube Data API dari tiga video dengan topik serupa pada masing-masing influencer. Pemilihan video dengan konteks yang sama dilakukan agar data yang dianalisis memiliki karakteristik pembahasan yang sebanding.
Sebelum masuk tahap klasifikasi, komentar melalui proses pengolahan teks terlebih dahulu. Tahapan tersebut meliputi pembersihan data, penyaringan kata umum, serta perubahan kata ke bentuk dasar.
Selanjutnya, setiap komentar diubah menjadi data numerik menggunakan metode TF-IDF. Data tersebut kemudian diklasifikasikan ke dalam tiga kategori sentimen, yaitu positif, negatif, dan netral.
Support Vector Machine dikenal memiliki kemampuan baik dalam menangani data teks dengan dimensi tinggi. Sementara itu, Logistic Regression memiliki keunggulan dari sisi kesederhanaan dan efisiensi proses pengolahan data (Ansari et al., 2020).
Rangkaian penelitian tersebut dilakukan menggunakan bahasa pemrograman Python dengan berbagai pustaka pendukung analisis teks. Hasil klasifikasi kemudian dikembangkan dalam bentuk sistem berbasis web.
Sistem tersebut memungkinkan pengguna melihat distribusi sentimen serta melakukan penyaringan komentar berdasarkan kategori yang tersedia. Dengan adanya sistem tersebut, kecenderungan opini audiens dapat dipahami secara lebih cepat dan praktis.
Akurasi Tinggi dan Respons yang Cenderung Positif
Hasil evaluasi menunjukkan bahwa kedua algoritma memiliki performa yang sangat baik dalam mengolah data komentar YouTube. Pada dataset Tasya Farasya, algoritma SVM memperoleh akurasi sebesar 99,64 persen, sedangkan Logistic Regression mencapai 99,53 persen.
Sementara itu, pada dataset Kiara Leswara, kedua algoritma menghasilkan akurasi yang sama, yaitu sebesar 96,67 persen. Hasil klasifikasi menunjukkan bahwa komentar bernada netral mendominasi kedua kanal.
Selain itu, sentimen positif terlihat lebih tinggi pada kanal Tasya Farasya. Temuan tersebut menunjukkan bahwa respons audiens terhadap kedua influencer cenderung berada pada kategori positif hingga netral dengan tingkat kritik yang relatif rendah.
“Analisis sentimen dapat menjadi salah satu pendekatan untuk memahami respons audiens terhadap influencer kecantikan secara lebih terukur,” ujar Dewi Rizki Simbolon, penyusun penelitian ini.
Informasi hasil klasifikasi tersebut dapat membantu agensi maupun brand dalam mengevaluasi efektivitas influencer untuk kegiatan promosi. Selain itu, pengembangan penelitian selanjutnya dapat dilakukan dengan menambah jumlah data serta memperluas objek analisis ke platform lain, seperti Instagram dan TikTok.
Dengan pengembangan tersebut, pemetaan perilaku audiens di media sosial dapat memberikan gambaran yang lebih luas dan representatif.
[BACA JUGA: Unsafe Action Masih Menjadi Tantangan Keselamatan Kerja di Industri PLTU]
Penulis: Dewi Rizki Simbolon
Pembimbing: Alifian Sukma
Editor: Sinta Rahmah (Tim Vokasi Branding)
