Analisis Sentimen Opini Masyarakat Indonesia Terhadap Konten Deepfake Tokoh Publik

Authors

  • Shane Giorgio Alexander Institut Teknologi Sepuluh Nopember Surabaya
  • Amadeus Terra Ananto Institut Teknologi Sepuluh Nopember Surabaya
  • I Putu Adhitya Pratatama Mangku Purnama Institut Teknologi Sepuluh Nopember Surabaya
  • Bayu Liano Leader Habibullah Institut Teknologi Sepuluh Nopember Surabaya
  • Nur Aini Rakhmawati Institut Teknologi Sepuluh Nopember Surabaya

Keywords:

Sentiment , Analysis, Deepfake, Public Figure, Opinion Mining, Artificial Intelligence

Abstract

Perkembangan teknologi yang pesat, khususnya Kecerdasan Buatan (AI), telah mendorong transformasi digital yang memberikan efisiensi dan efektivitas dalam berbagai aspek kehidupan. Namun, dampak negatif dari penyalahgunaan teknologi, terutama dalam konteks Deepfake, mengancam privasi, keamanan data pribadi, dan reputasi tokoh publik. Platform media sosial seperti YouTube telah menjadi tempat yang mudah diakses untuk konten Deepfake, sering kali memicu reaksi positif dan negatif dari pengguna. Untuk lebih memahami pandangan masyarakat terhadap konten Deepfake, penambangan teks memainkan peran penting dalam analisis sentimen. Studi ini mengusulkan metode klasifikasi vNaïve Bayes dan pelatihan model IndoBERT untuk menganalisis komentar pengguna YouTube terhadap video Deepfake. Hasil evaluasi menunjukkan tingkat akurasi sebesar 82%, dengan kinerja yang kuat dalam mengklasifikasikan sentimen negatif.

References

N. E. Maaliki and E. Soponyono, “Kebijakan Hukum Pidana Dalam Menanggulangi Tindak Pidana Berita Bohong,” J. Pembang. Huk. Indones., vol. 3, no. 1, pp. 59–69, 2021, doi: 10.14710/jphi.v3i1.59-69.

Sipayung, E. M., Maharani, H., & Zefanya, I., “Perancangan Sistem Analisis Sentimen Komentar Pelanggan Menggunakan Metode Naive Bayes Classifier”, 2016. Tersedia: https://doi.org/10.36706/jsi.v8i1.3250.

T. S. Ramli and R. F. Mayana, “Pemanfaatan Artificial Intelligence Pada Fitur PayLater Aplikasi Shopee Dalam Bidang E-Commerce Dikaitkan Dengan Data Pribadi Konsumen Berdasarkan Hukum Positif Indonesia,” vol. 03, no. 04, pp. 1538–1551, 2023, doi: 10.59141/comserva.v3i4.902.

Widodo, A. O., Septiadi, F., & Rakhmawati, N. A. (2023). ANALISIS TREN KONTEN PADA VTUBER INDONESIA MENGGUNAKAN LATENT DIRICHLET ALLOCATION. Jurnal Informatika Dan Rekayasa Elektronik, 6(1), 56–63. https://doi.org/10.36595/jire.v6i1.718

D. Dari, H. Pidana, I. Hukum, F. Ilmu, and U. N. Surabaya, “Jerat hukum penyalahgunaan aplikasi,” 2016.

M. F. Hafiz, “Heboh Video Syur Mirip Nagita Slavina polisi pastikan video Hasil Editan,” Pikiran Rakyat Mataram, https://mataram.pikiran-rakyat.com/seni-budaya/pr-2223491784/heboh-video-syur-mirip-nagita-slavina-polisi-pastikan-video-hasil-editan (accessed Oct. 3, 2023).

F. Ratnawati, “Implementasi Algoritma Naive Bayes Terhadap Analisis Sentimen Opini Film Pada Twitter,” INOVTEK Polbeng - Seri Inform., vol. 3, no. 1, p. 50, 2018, doi: 10.35314/isi.v3i1.335.

E. Turban, R. Sharda, and D. Delen, Decision Support and Business Intelligence Systems. New Jersey, New Jersey: Pearson Education, Inc., 2011.

Koto, F., Rahimi, A., Lau, J. H. and Baldwin, T. "IndoLEM and IndoBERT: A Benchmark Dataset and Pre-trained," in Proceedings of the 28th International Conference on Computational Linguistics.Barcelona, Spain. International Committee on Computational Linguistics. 2020. pp. 757-770.

T. T. Widowati and M. Sadikin, “Analisis Sentimen Twitter terhadap Tokoh Publik dengan Algoritma Naive Bayes dan Support Vector Machine,” Simetris J. Tek. Mesin, Elektro dan Ilmu Komput., vol. 11, no. 2, pp. 626–636, 2021, doi: 10.24176/simet.v11i2.4568.

D. Chrisinta and J. E. Simarmata, “Analisis Sentimen Penilaian Masyarakat Terhadap Pejabat Publiks Menggunakan Algoritma Naïve Bayes Classifier,” Komputika J. Sist. Komput., vol. 12, no. 1, pp. 93–101, 2023, doi: 10.34010/komputika.v12i1.9638.

P. Gamallo and M. Garcia, “Citius: A Naive-Bayes Strategy for Sentiment Analysis on English Tweets,” 8th Int. Work. Semant. Eval. SemEval 2014 - co-located with 25th Int. Conf. Comput. Linguist. COLING 2014, Proc., no. SemEval, pp. 171–175, 2014, doi: 10.3115/v1/s14-2026.

L. Dey, S. Chakraborty, A. Biswas, B. Bose, and S. Tiwari, “Sentiment Analysis of Review Datasets Using Naïve Bayes‘ and K-NN Classifier,” Int. J. Inf. Eng. Electron. Bus., vol. 8, no. 4, pp. 54–62, 2016, doi: 10.5815/ijieeb.2016.04.07.

X. Zhu, “Tr1530.” p. 39, 2005, [Online]. Available: http://digital.library.wisc.edu/1793/60444.

M. Wankhade, A. C. S. Rao, and C. Kulkarni, A survey on sentiment analysis methods, applications, and challenges, vol. 55, no. 7. Springer Netherlands, 2022.

M. Makbul, Metode Pengumpulan Data Dan instrumen Penelitian, pp. 1–38, 2021. doi:10.31219/osf.io/svu73

D. F. Setiawan, T. Tristiyanto, and A. Hijriani, “Aplikasi Web Scraping Deskripsi Produk,” J. Teknoinfo, vol. 14, no. 1, p. 41, 2020, doi: 10.33365/jti.v14i1.498.

O. Caelen, “A Bayesian interpretation of the confusion matrix,” Ann. Math. Artif. Intell., vol. 81, no. 3–4, pp. 429–450, 2017, doi: 10.1007/s10472-017-9564-8.

N. A. Rakhmawati, M. I. Aditama, R. I. Pratama, and K. H. U. Wiwaha, “Analisis Klasifikasi Sentimen Pengguna Media Sosial Twitter Terhadap Pengadaan Vaksin COVID-19,” J. Inf. Eng. Educ. Technol., vol. 4, no. 2, pp. 90–92, 2020, doi: 10.26740/jieet.v4n2.p90-92

P. Mishra, A. Biancolillo, J. M. Roger, F. Marini, and D. N. Rutledge, “New data preprocessing trends based on ensemble of multiple preprocessing techniques,” TrAC - Trends Anal. Chem., vol. 132, p. 116045, 2020, doi: 10.1016/j.trac.2020.116045.

T. M. Fahrudin, A. R. F. Sari, A. Lisanthoni, and A. A. D. Lestari, “Analisis Speech-To-Text Pada Video Mengandung Kata Kasar Dan Ujaran Kebencian Dalam Ceramah Agama Islam Menggunakan Interpretasi Audiens Dan Visualisasi Word Cloud,” Skanika, vol. 5, no. 2, pp. 190–202, 2022, doi: 10.36080/skanika.v5i2.2942.

J. E. van Engelen and H. H. Hoos, “A survey on semi-supervised learning,” Mach. Learn., vol. 109, no. 2, pp. 373–440, 2020, doi: 10.1007/s10994-019-05855-6.

M. I. Amal, E. S. Rahmasita, E. Suryaputra, and N. A. Rakhmawati, “Analisis Klasifikasi Sentimen Terhadap Isu Kebocoran Data Kartu Identitas Ponsel di Twitter,” J. Tek. Inform. dan Sist. Inf., vol. 8, no. 3, pp. 645–660, 2022, doi: 10.28932/jutisi.v8i3.5483.

A. Yazdinejad, B. Zolfaghari, A. Dehghantanha, H. Karimipour, G. Srivastava, and R. M. Parizi, “Accurate threat hunting in industrial internet of things edge devices,” Digit. Commun. Networks, no. April 2021, 2023, doi: 10.1016/j.dcan.2022.09.010.

A. Tharwat, “Classification assessment methods,” Appl. Comput. Informatics, vol. 17, no. 1, pp. 168–192, 2018, doi: 10.1016/j.aci.2018.08.003.

N. I. Wibowo, T. A. Maulana, H. Muhammad, and N. A. Rakhmawati, “Perbandingan Algoritma Klasifikasi Sentimen Twitter Terhadap Insiden Kebocoran Data Tokopedia,” JISKA (Jurnal Inform. Sunan Kalijaga), vol. 6, no. 2, pp. 120–129, 2021, doi: 10.14421/jiska.2021.6.2.120-129

[Data set]. Zenodo. http://doi.org/10.5281/zenodo.8401316

Downloads

Published

2023-11-14

Issue

Volume 5 Nomor 2 Tahun 2023

Section

Artikel

License

Copyright (c) 2023 KAKIFIKOM (Kumpulan Artikel Karya Ilmiah Fakultas Ilmu Komputer)

Creative Commons License

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