Pemanfaatan NLP untuk Analisis Sentimen: Perbandingan Matematika Konseptual dan Prosedural dalam Video Pembelajaran YouTube

Amanda La Hadi, Rahmasari Safilda, Firman Riansyah

Abstract


Video pembelajaran matematika telah banyak tersedia di YouTube sehingga mengetahui sentimen pengguna pada video pembelajaran tersebut menjadi sangat penting. Tujuan penelitian ini adalah mengetahui sentimen pengguna dan perbandingan sentimen terhadap dua video pembelajaran matematika tingkat SMP di YouTube. Data penelitian ini bersumber dari video pembelajaran matematika di kanal YouTube Le GuruLes berkaitan penjelasan konsep berupa materi pecahan dengan 635 komentar dan kanal YouTube Ariyan Masrur berkaitan dengan soal-soal matematika dasar angka pecahan dengan 708 komentar. Metode penelitian adalah kualitatif dengan analisis sentimen. Analisis sentimen dalam penelitian ini dilakukan untuk mengetahui sentimen pada video pembelajaran matematika. Algoritma Naïve Bayes digunakan untuk mengetahui akurasi dan mengklasifikasikan komentar YouTube ke kategori sentimen positif, netral dan negatif. Hasil penelitia didapatkan video pembelajaran matematika berkaitan penjelasan prosedural lebih banyak mendapatkan sentimen positif sebesar 39%, sedangkan pada penjelasan konsep mendapat sentimen positif lebih rendah sebesar 31%. Dari kedua video pembelajaran didapatkan sentimen netral pada penjelasan konsep lebih besar yaitu 67% sedangkan pada penjelasan prosedural sebesar 56%. Sementara itu, sentimen negatif pada video pembelajaran mengenai penjelasan konsep lebih sedikit yaitu 2% daripada penjelasan prosedural yaitu sebesar 5%. Hasil akurasi pada video penjelasan konseptual didapatkan sebesar 69% sedangkan pada video penjelasan prosedural sebesar 76%.


Keywords


Analisis Sentimen; NLP; Matematika Konseptual; Matematika Prosedural; Video Pembelajaran Matematika; YouTube

Full Text:

PDF

References


Wawan, A. Talib, and N. Djam’an, “Analisis Pemahaman Konseptual dan Prosedural Siswa dalam Menyelesaikan Soal Matematika Berdasarkan Gaya Belajar,” Issues Math. Educ., vol. 1, no. 2, pp. 101–106, 2017, [Online]. Available: http://www.ojs.unm.ac.id/imed

R. Armanza and B. Asyhar, “Pemahaman Konseptual dan Prosedural Siswa SMA/MA dalam Menyelesaikan Soal Program Linier Berdasarkan Tipe Kepribadian,” J. Tadris Mat., vol. 3, no. 2, pp. 163–176, 2020, doi: 10.21274/jtm.2020.3.2.163-176.

N. D. Rahmawati and L. Roesdiana, “Analisis Kemampuan Pemahaman Konsep Matematis Siswa SMA pada Materi Turunan Fungsi Aljabar,” vol. 8, no. 1, 2022.

N. Sari, I. Indiati, and D. Endahwuri, “Analisis Kemampuan Berpikir Kritis Matematika Siswa ditinjau dari Pemahaman Konseptual dan Pengetahuan Prosedural,” Imajiner J. Mat. dan Pendidik. Mat., vol. 2, no. 6, pp. 467–472, 2020, doi: 10.26877/imajiner.v2i6.6700.

R. H. A. Tamagola, “Pengaruh Model Pembelajaran Missouri Mathematics Project (MMP) terhadap Kemampuan Pemahaman Prosedural Matematis Siswa,” J. Ilmu Pendidik., vol. 4, no. 1, pp. 41–51, 2020, [Online]. Available: http://journal.um-surabaya.ac.id/index.php/JKM/article/view/2203%0Ahttp://mpoc.org.my/malaysian-palm-oil-industry/

M. Ardiansyah, M. L. Nugraha, P. Rebo, J. Timur, and P. Konsep, “Analisis Pemanfaatan Media Pembelajaran YouTube dalam Meningkatkan Pemahaman Konsep Matematika Peserta Didik,” Semin. Nas. Ris. dan Inov. Teknol. (SEMNAS RISTEK), pp. 912–918, 2022.

N. Yaqoob, T. Bibi, and M. O. Mansoor, “Video Pembelajaran Anak Usia Dini di YouTube : Analisis Tematik tentang Persepsi Pemirsa,” J. Perawatan dan Pendidik. Anak Usia Dini, vol. 2, pp. 35–50, 2018.

E. W. Wirga, “Analisis Konten pada Media Sosial Videp YouTube untuk Mendukung Strategi Kampanye Politik,” J. Ilm. Inform. dan Komput., vol. 21, no. 1, pp. 14–26, 2016.

M. Hudha, E. Supriyati, and T. Listyorini, “Analisis Sentimen Pengguna YouTube terhadap Tayangan # Matanajwamenantiterawan dengan Metode Naïve Bayes Sentiment Analysis Of User Comments On YouTube Video # Matanajwamenantiterawan with Naïve Bayes Classifier Method,” vol. 5, no. 1, pp. 1–6, 2022, doi: 10.33387/jiko.

M. Deka, Y. T. A, and A. Kumar, “A Quick Overview of Open Education Resources Videos available on YouTube through Sentiment Analysis,” pp. 185–196, 2021.

S. Naz, S. Hina, U. Fatima, and H. Tabassum, “Pendekatan Hibrida untuk Mengukur Kepuasan Siswa terhadap Video Edukasi di YouTube,” vol. 18, no. 09, pp. 131–147, 2023, doi: 10.3991/ijet.v18i09.38473.

G. Singh, “Sentiment Analysis on Youtube Comments to Predict Youtube Video Like Proportions ISAC LORENTZ,” Degree Proj. Technol., 2021.

F. D. Marleny, I. Maulida, and B. Nugraha, “Klasifikasi dan Analisis Dataset Komentar Video YouTube Menggunakan Supervised Learning,” Seminastika, vol. 3, no. 1, pp. 86–90, Nov. 2021, doi: 10.47002/seminastika.v3i1.232.

F. D. Marleny and Mambang, “Analisis Pengguna WhatsApp Terhadap Kesalahan Mengirim Pesan Teks Menggunakan Metode Klasifikasi,” JTIULM, vol. 05, no. 1, pp. 19–24, 2020.

M. P. Munthe, A. Siswo, R. Ansori, and R. R. Septiawan, “Analisis Sentimen Komentar Pada Saluran Youtube Food Vlogger Berbahasa Indonesia Menggunakan Algoritma Naïve Bayes Sentiment Analysis Comment on Indonesian Youtube Channel About Food Vlogger Using Naïve Bayes Algorithm,” e-Proceeding Eng., vol. 8, no. 6, pp. 11909–11916, 2021.

M. Deori, V. Kumar, and M. K. Verma, “Analysis of YouTube video contents on Koha and DSpace, and sentiment analysis of viewers’ comments,” Libr. Hi Tech, vol. 41, no. 3, pp. 711–728, 2023, doi: 10.1108/LHT-12-2020-0323.

P. Yoga Saputra, D. Hanifudin Subhi, and Z. Zain Afif Winatama, “Implementasi Sentimen Analisis Komentar Channel Video Pelayanan Pemerintah Di Youtube Menggunakan Algoritma Naïve Bayes,” J. Inform. Polinema, vol. 5, no. 3, pp. 209–213, 2019, [Online]. Available: http://jip.polinema.ac.id/ojs3/index.php/jip/article/view/259

E. Surya, “Penerapan Pendekatan Pembelajaran Kontekstual ( CTL ) Untuk Meningkatkan Pemahamana Konsep Matematika Siswa Pada Materi Himpunan Di Kelas VII SMP Muhammadiyah 2 Medan,” no. December, 2017.

I. M. D. Atmaja, “Koneksi Indikator Pemahaman Konsep Matematika dan Keterampilan Metakognisi,” Nusant. J. Ilmu Pengetah. Sos., vol. 8, no. 7, pp. 2048–2056, 2021.

S. Sodri, “Pengaruh Model Pembelajaran dan Motivasi Belajar terhadap Pemahaman Konsep Matematika,” J. Math. Learn., vol. 1, no. 2, pp. 18–28, 2018, doi: 10.30653/004.201812.18.

T. Alawiya, M. Dinar, and A. Asdar, “Deskripsi Pemahaman Konseptual dan Prosedural pada Materi Persamaan Garis Lurus ditinjau dari Kecerdasan Logis Matematis Siswa,” Issues Math. Educ., vol. 6, no. 1, p. 1, 2022, doi: 10.35580/imed32210.

I. F. Rahman, S. Pomalato, and A. D. Mohidin, “Analisis Pemahaman Konseptual dan Kemampuan Prosedural Matematika Ditinjau dari Tipe Kepribadian Siswa di SMP Negeri 1 Pinogaluman,” vol. 3, no. 1, pp. 7–12, 2018.

S. Afriyeni, S. Haji, and Connie, “Pengaruh Model Pembelajaran Survey, Question, Read, Recite, Review ( SQ3R ) Terhadap Kemampuan Pemahaman Konsep dan Pemahaman Prosedural Matematika Siswa MAN 2 Kota Bengkulu,” J. Pendidik. Mat. Raflesia, vol. 2, no. 1, pp. 23–29, 2017.

F. F. Mailo and L. Lazuardi, “Analisis Sentimen Data Twitter Menggunakan Metode Text Mining Tentang Masalah Obesitas di Indonesia,” J. Inf. Syst. Public Heal., vol. 6, no. 1, pp. 28–36, 2021.

R. F. Alhujaili and W. M. S. Yafooz, “Sentiment Analysis for Youtube Videos with User Comments: Review,” Proc. - Int. Conf. Artif. Intell. Smart Syst. ICAIS 2021, pp. 814–820, 2021, doi: 10.1109/ICAIS50930.2021.9396049.

K. Yan, D. Arisandi, P. Studi, S. Informasi, and U. Tarumanagara, “Analisis Sentimen Komentar Netizen Twitter Terhadap Kesehatan Mental Masyarakat Indonesia,” J. Ilmu Komput. dan Sist. Inf., vol. 10, no. 1, 2022.

A. T. Zy, “Comparison Algorithm Classification Naive Bayes, Decision Tree, And Neural Network For Analysis Sentiment,” vol. 12, no. 1, pp. 5–12, 2017.

S. Pichad, S. Kamble, R. Kalamb, and S. Chavan, “Analysing Sentiments for YouTube Comments using Machine Learning,” Int. J. Res. Appl. Sci. Eng. Technol., vol. 11, no. 5, pp. 1934–1938, 2023, doi: 10.22214/ijraset.2023.51973.

D. Ramadhan and E. B. Setiawan, “Analisis Sentimen Program Acara di SCTV pada Twitter Menggunakan Metode Naive Bayes dan Support Vector Machine,” Telkomuniversity.Ac.Id, vol. 6, no. 2, pp. 9736–9743, 2019, [Online]. Available: https://openlibrarypublications.telkomuniversity.ac.id/index.php/engineering/article/view/10708

A. Cahya Kamilla, N. Priyani, R. Priskila, and V. Handrianus Pranatawijaya, “Analisis Sentimen Film Agak Laen Dengan Kecerdasan Buatan: Text Mining Metode Naïve Bayes Classifier,” JATI (Jurnal Mhs. Tek. Inform., vol. 8, no. 3, pp. 2923–2928, 2024, doi: 10.36040/jati.v8i3.9587.

A. Gruzd, D. Paulin, and C. Haythornthwaite, “Analyzing Social Media And Learning Through Content And Social Network Analysis: A Faceted Methodological Approach,” J. Learn. Anal., vol. 3, no. 3, pp. 46–71, Dec. 2016, doi: 10.18608/jla.2016.33.4.

X. Chen, M. Vorvoreanu, and K. P. C. Madhavan, “Mining social media data for understanding students’ learning experiences,” IEEE Trans. Learn. Technol., vol. 7, no. 3, pp. 246–259, Jul. 2014, doi: 10.1109/TLT.2013.2296520.

S. Thomas, Yuliana, and Noviyanti. P, “Study Analisis Metode Analisis Sentimen pada YouTube,” J. Inf. Technol., vol. 1, no. 1, pp. 1–7, 2021, doi: 10.46229/jifotech.v1i1.201.




DOI: https://doi.org/10.15548/isrj.v5i01.10882

Refbacks

  • There are currently no refbacks.


Gedung Fakultas Sains dan Teknologi 
Kampus III Universitas Islam Negeri Imam Bonjol Padang
Sungai Bangek, Kec. Koto Tangah, Kota Padang, Sumatera Barat

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