Analisis Sentimen Ulasan Film Merah Putih: One for All Menggunakan Metode Natural Language Processing
DOI:
https://doi.org/10.62712/juktisi.v4i3.909Kata Kunci:
Analisis Sentimen, Natural Language Processing, Random Forest, SMOTE, Film NasionalAbstrak
Industri film Indonesia menunjukkan pertumbuhan signifikan dari sisi produksi dan jumlah penonton, namun film bertema nasionalisme seperti Merah Putih: One for All menghadapi tantangan dalam memperoleh popularitas dibandingkan film hiburan yang lebih viral. Penelitian ini bertujuan untuk menganalisis sentimen penonton serta mengidentifikasi pengaruh nilai nasionalisme dalam membentuk persepsi publik terhadap film tersebut. Pendekatan yang digunakan adalah Natural Language Processing dengan algoritma Random Forest untuk mengklasifikasikan ulasan daring ke dalam kategori positif, negatif, dan netral. Data diperoleh dari media sosial dan platform digital, kemudian diproses menggunakan teknik Term Frequency–Inverse Document Frequency untuk representasi fitur serta Synthetic Minority Over-sampling Technique untuk menangani ketidakseimbangan kelas data. Hasil analisis menunjukkan bahwa sentimen netral mendominasi ulasan, diikuti sentimen positif dan negatif. Temuan ini mengindikasikan bahwa film lebih diapresiasi oleh segmen penonton yang memiliki ketertarikan terhadap pesan nasionalisme, meskipun belum mampu menjangkau audiens yang lebih luas. Penelitian ini memberikan kontribusi dalam pemanfaatan analisis sentimen berbasis data untuk mendukung strategi promosi film nasional serta memahami karakteristik audiens secara lebih komprehensif.
Unduhan
Referensi
Onion, F., "Jumlah Penonton Bioskop Meningkat, Bukti Industri Film Indonesia Terus Tumbuh," Froyonion, 26 Jan. 2024. [Online]. Tersedia: https://www.froyonion.com/news/movies/jumlah-penonton-bioskop-meningkat-bukti-industri-film-indonesia-terus-tumbuh. [Diakses: 4 januari. 2026].
A. L. Afriani, D. Suprayitno, and N. A. Misbah, “Pengaruh Media Online Reviews terhadap Keputusan Menonton Film,” Jurnal Penelitian Sosial Ilmu Komunikasi, vol. 7, no. 1, pp. 1–10, Jun. 2023, doi: 10.33751/jpsik.v7i1.7573.
Y. Turnandes, A. Ade Irwanda, and Vebby, “Analisis Sentimen pada Ulasan Kegiatan Seminar Nasional Sistem Informasi dan Teknologi Komputer 2023 menggunakan Natural Language Processing (NLP),” Jurnal Karya Ilmiah Multidisiplin (JURKIM), vol. 4, no. 2, pp. 101–109, Aug. 2024, doi: 10.31849/jurkim.v4i2.22063.
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.
Y. Nurtikasari, Syariful Alam, and Teguh Iman Hermanto, “Analisis Sentimen Opini Masyarakat Terhadap Film Pada Platform Twitter Menggunakan Algoritma Naive Bayes,” INSOLOGI: Jurnal Sains dan Teknologi, vol. 1, no. 4, pp. 411–423, Aug. 2022, doi: 10.55123/insologi.v1i4.770.
J. E. Br Sinulingga and H. C. K. Sitorus, “Analisis Sentimen Opini Masyarakat terhadap Film Horor Indonesia Menggunakan Metode SVM dan TF-IDF,” Jurnal Manajemen Informatika (JAMIKA), vol. 14, no. 1, pp. 42–53, Feb. 2024, doi: 10.34010/jamika.v14i1.11946.
A. W. Ardiansyah, “Analisis Sentimen Pengguna Sosial Media X Terhadap Pemilihan Anggota Kabinet Merah Putih Dengan Metode Svm (Support Vector Machine),” Journal of Education and Informatics Research, vol. 6, no. 2, 2025.
M. F. Naufal and S. F. Kusuma, “Analisis Sentimen pada Media Sosial Twitter Terhadap Kebijakan Pemberlakuan Pembatasan Kegiatan Masyarakat Berbasis Deep Learning,” Jurnal Edukasi dan Penelitian Informatika (JEPIN), vol. 8, no. 1, p. 44, Apr. 2022, doi: 10.26418/jp.v8i1.49951.
D. Musfiroh, U. Khaira, P. E. P. Utomo, and T. Suratno, “Analisis Sentimen terhadap Perkuliahan Daring di Indonesia dari Twitter Dataset Menggunakan InSet Lexicon,” MALCOM: Indonesian Journal of Machine Learning and Computer Science, vol. 1, no. 1, pp. 24–33, Mar. 2021, doi: 10.57152/malcom.v1i1.20.
Darwis Alwan and M. A. Ridla, “Averaged Word2vec sebagai Ekstraksi Fitur pada Analisis Sentimen Ulasan Film di IMDb menggunakan Artificial Neural Network (ANN),” JUSTINDO (Jurnal Sistem dan Teknologi Informasi Indonesia), vol. 9, no. 1, pp. 36–45, Feb. 2024, doi: 10.32528/justindo.v9i1.1204.
O. Audrey, D. E. Ratnawati, and I. Arwani, “Analisis Sentimen Pengguna Twitter Terhadap Opini Non Fungible Token di Indonesia Menggunakan Algoritma Random Forest Classifier,” Jurnal Pengembangan Teknologi Informasi dan Ilmu Komputer, vol. 6, no. 12, pp. 5889–5897, 2022.
C. N. Oktariana and N. R. Oktadini, “ANALISIS SENTIMEN ULASAN PENGGUNA APLIKASI TOKOPEDIA MENGGUNAKAN ALGORITMA RANDOM FOREST”.
F. A. Ramadhan Putra, F. F. Fadilah, and U. Enri, “Analisis Sentimen Ulasan Film Oppenheimer Pada Situs Imdb Menggunakan Metode Naive Bayes,” Majalah Ilmiah UNIKOM, vol. 21, no. 2, pp. 87–94, Oct. 2023, doi: 10.34010/miu.v21i2.11338.
W. Furqoni, I. P. Sindura, I. P. Rahayuningtyas, A. Paunturi, and K. R. Setiani, “Analisis Sentimen Ulasan Film Moana 2 di Website Letterboxd Menggunakan Algoritma CNN dan RNN,” Journal of Informatics and Interactive Technology, vol. 2, no. 1, pp. 284–290, Apr. 2025, doi: 10.63547/jiite.v2i1.56.
A. Fauzi, A. H. Yunial, D. E. Saputro, and R. Saputra, “Optimalisasi Random Forest untuk Sentimen Bahasa Indonesia dengan GridSearch dan SMOTE,” Jurnal Ilmu Komputer dan Sistem Informasi, vol. 4, no. 2, pp. 202–217, May 2025, doi: 10.70340/jirsi.v4i2.207.
H. Barus, I. N. Fajri, and Y. Pristyanto, “Sentiment Classification Analysis of Tokopedia Reviews Using TF-IDF, SMOTE, and Traditional Machine Learning Models,” Journal of Applied Informatics and Computing, vol. 9, no. 5, pp. 2552–2561, Oct. 2025, doi: 10.30871/jaic.v9i5.10524.
Unduhan
Diterbitkan
Cara Mengutip
Terbitan
Bagian
Lisensi
Hak Cipta (c) 2025 Rinda Antika, Jumari Iswadi, Eriene Dheanda Absharina
Artikel ini berlisensi Creative Commons Attribution 4.0 International License.
