Analisis Sentimen Dialog Film Spider-Man Series Menggunakan Complement Naïve Bayes
DOI:
https://doi.org/10.59024/jiti.v4i4.2372Keywords:
Analisis sentimen, Dialog film, Complement Naive Bayes, TF-IDF, Klasifikasi temaAbstract
Perkembangan industri film yang diiringi dengan semakin luasnya penerapan Natural Language Processing (NLP) mendorong pemanfaatan dialog film sebagai sumber data tekstual untuk mengidentifikasi tema dan pola bahasa. Penelitian ini bertujuan mengklasifikasikan dialog pada trilogi film Spider-Man versi Tom Holland ke dalam tiga kategori tematik, yaitu Konflik, Persahabatan, dan Multiverse, menggunakan algoritma Complement Naive Bayes. Dataset disusun melalui proses ekstraksi audio, konversi Speech-to-Text, serta verifikasi menggunakan naskah dialog asli. Tahapan penelitian meliputi preprocessing (text cleaning, tokenization, stopword removal, dan stemming), pelabelan otomatis berbasis keyword, ekstraksi fitur menggunakan TF-IDF, pemodelan Complement Naive Bayes dengan pembagian data latih dan data uji sebesar 80:20, evaluasi menggunakan accuracy, serta visualisasi Word Cloud. Hasil penelitian menunjukkan akurasi sebesar 84% pada Spider-Man: Homecoming, 77% pada Spider-Man: Far From Home, dan 94% pada Spider-Man: No Way Home. Visualisasi Word Cloud juga menampilkan kata-kata dominan yang merepresentasikan karakteristik tema pada setiap film. Temuan ini menunjukkan bahwa kombinasi TF-IDF dan Complement Naive Bayes efektif dalam mengklasifikasikan dialog film berdasarkan kategori tema serta berpotensi diterapkan pada analisis naskah film dan pengembangan sistem rekomendasi berbasis konten.
References
Aryanti, P. A. N., & Mahendra, I. B. M. (2023). Analisis Sentimen Opini Berbahasa Indonesia Pada Sosial Media Menggunakan TF-IDF dan Support Vector Machine. JELIKU (Jurnal Elektronik Ilmu Komputer Udayana), 12(1), 45–52. https://doi.org/10.24843/JLK.2023.v12.i01
Br Sinulingga, J. E., & Sitorus, H. C. K. (2024). Analisis Sentimen Opini Masyarakat terhadap Film Horor Indonesia Menggunakan Metode SVM dan TF-IDF. Jurnal Manajemen Informatika (JAMIKA), 14(1), 42–53. https://doi.org/10.34010/jamika.v14i1.11946
Budiman, A., Young, J. C., & Suryadibrata, A. (2021). Implementasi Algoritma Naïve Bayes untuk Klasifikasi Konten Twitter dengan Indikasi Depresi. Jurnal Informatika: Jurnal Pengembangan IT, 6(2), 133–138. https://doi.org/10.30591/jpit.v6i2.2419
Cahya Kamilla, A., Priyani, N., Priskila, R., & Handrianus Pranatawijaya, V. (2024). Analisis Sentimen Film Agak Laen Dengan Kecerdasan Buatan: Text Mining Metode Naïve Bayes Classifier. JATI (Jurnal Mahasiswa Teknik Informatika), 8(3), 2923–2928. https://doi.org/10.36040/jati.v8i3.9587
Ergün, D., Takan, S., & Katipoğlu, G. (2024). Emotional Structure of Dialogues in Aging-Themed Movies: An Analysis on Text Mining. Sage Open, 14(3), 21582440241260502. https://doi.org/10.1177/21582440241260502
Fathullah, N. S., Sari, Y. A., & Adikara, P. P. (2020). Analisis Sentimen Terhadap Rating dan Ulasan Film dengan menggunakan Metode Klasifikasi Naïve Bayes dengan Fitur Lexicon-Based. Jurnal Pengembangan Teknologi Informasi dan Ilmu Komputer, 4(2), 590–593.
Gifari, O. I., Adha, Muh., Freddy, F., & Durrand, F. F. S. (2022). Analisis Sentimen Review Film Menggunakan TF-IDF dan Support Vector Machine. Journal of Information Technology, 2(1), 36–40. https://doi.org/10.46229/jifotech.v2i1.330
Hanmei, W. (2024). Deep Learning-Based Analysis of Emotional and Content Relevance Between Bullet Screens and Subtitles as Movie Narrative Medium. Sage Open, 14(3), 1–19. https://doi.org/10.1177/21582440241280840
Karimah, N. (2024). Multi-Aspect Sentiment Analysis Pada Review Film Menggunakan Metode Bidirectional Encoder Representations From Transformers (BERT). Komputika : Jurnal Sistem Komputer, 13(1), 63–72. https://doi.org/10.34010/komputika.v13i1.11098
Mordor Intelligence. (2024). Indonesia Digital Media Market Size & Share Analysis—Growth Trends & Forecasts (2025—2030) [Situs Riset Pasar dan Konsultan Industri]. https://www.mordorintelligence.com/industry-reports/indonesia-digital-media-market
Mursyid, R., & Indriyanti, A. D. (2024). Perbandingan Akurasi Metode Analisis Sentimen Untuk Evaluasi Opini Pengguna Pada Platform Media Sosial (Studi Kasus: Twitter). Journal of Informatics and Computer Science (JINACS), 06(02), 371–383. https://doi.org/10.26740/jinacs.v6n02
Pracintya, I. A. K. D. W., Putrayasa, I. B., & Martha, I. N. (2024). Ragam Ekspresi Fisik Yang Ditunjukkan Dalam Dialog Film Ketika Berhenti Di Sini Karya Umay Shahab. Jurnal Pendidikan Bahasa dan Sastra Indonesia, 14(4), 584–594. https://doi.org/10.23887/jpbsi.v14i4.93907
Pradana, M. G. (2020). Penggunaan Fitur Wordcloud Dan Document Term Matrix Dalam Text Mining. Jurnal Ilmiah Informatika (JIF), 08(01), 38–43. https://doi.org/10.33884/jif.v8i01.1838
Prayogo, A., Fauziah, F., & Winarsih, W. (2023). Perbandingan Algoritma Naïve Bayes Dan K-Nearest Neighbor Pada Klasifikasi Judul Artikel Pada Jurnal Ilmiah. JIPI (Jurnal Ilmiah Penelitian dan Pembelajaran Informatika), 8(4), 1327–1338. https://doi.org/10.29100/jipi.v8i4.4141
Putra Negara, A. B. (2023). The Influence Of Applying Stopword Removal And Smote On Indonesian Sentiment Classification. Lontar Komputer : Jurnal Ilmiah Teknologi Informasi, 14(3), 172. https://doi.org/10.24843/LKJITI.2023.v14.i03.p05
Putra, Z. P., & Nugroho, A. (2021). Pebandingan Performa Naïve Bayes dan KNN pada Klasifikasi Teks Sentimen Jasa Ekspedisi. JOINTECS (Journal of Information Technology and Computer Science), 6(3), 145. https://doi.org/10.31328/jointecs.v6i3.2635
Rachim, H. I. (2023). Analisis Tindak Tutur Ilokusi Dalam Film Pendek Evakuasi Mama Emola. Sabda: Jurnal Bahasa dan Sastra, 1(2), 20–30. https://doi.org/10.572349/sabda.v1i2.358
Santosa, A., Purnamasari, I., & Mayasari, R. (2022). Pengaruh Stopword Removal dan Stemming Terhadap Performa Klasifikasi Teks Komentar Kebijakan New Normal Menggunakan Algoritma LSTM. Jurnal Sains Komputer & Informatika (J-SAKTI), 6(1), 81–93. http://dx.doi.org/10.30645/j-sakti.v6i1.427
Shafirra, N. A., & Irhamah, I. (2020). Klasifikasi Sentimen Ulasan Film Indonesia dengan Konversi Speech-to-Text (STT) Menggunakan Metode Convolutional Neural Network (CNN). Jurnal Sains dan Seni ITS, 9(1), D95–D101. https://doi.org/10.12962/j23373520.v9i1.51825
Umar, N. & M. Adnan Nur. (2022). Application of Naïve Bayes Algorithm Variations On Indonesian General Analysis Dataset for Sentiment Analysis. Jurnal RESTI (Rekayasa Sistem Dan Teknologi Informasi), 6(4), 585–590. https://doi.org/10.29207/resti.v6i4.4179
Downloads
Published
Issue
Section
License
Copyright (c) 2026 JURNAL ILMIAH SAINS TEKNOLOGI DAN INFORMASI
This work is licensed under a Creative Commons Attribution-ShareAlike 4.0 International License.
