Analisis Sentimen Konsumen Sebagai Dasar Evaluasi Produk Industri Hiburan: Perbandingan Metode Random Forest dan Support Vector Machine Pada Drama Korea Vagabond

Authors

  • Anggelina Karolina Teti Program Studi Statistika, Fakultas Sains dan Teknologi Informasi, Universitas AKPRIND, Indonesia
  • Edhy Sutanta Program Studi Informatika, Fakultas Sains dan Teknologi Informasi, Universitas AKPRIND, Indonesia
  • Febriani Astuti Program Studi Manajemen Bisnis Syariah, Fakultas Ekonomi dan Bisnis Islam, UIN Raden Mas Said Surakarta, Indonesia
  • Inggit Fatika Program Studi Statistika, Fakultas Sains dan Teknologi Informasi, Universitas AKPRIND, Indonesia
  • Retno Widiastuti Program Studi Teknik Industri, Fakultas Teknik, Universitas Sarjanawiyata Tamansiswa, Indonesia

DOI:

https://doi.org/10.38035/jemsi.v7i4.7652

Keywords:

Analisis Sentimen, Random Forest, Support Vector Machine, Kepuasan Penonton, Vagabond

Abstract

Ulasan penonton merupakan sumber informasi penting bagi industri hiburan dalam memahami kepuasan konsumen dan mendukung pengambilan keputusan bisnis. Penelitian ini bertujuan membandingkan kinerja metode Random Forest dan Support Vector Machine (SVM) dalam analisis sentimen kepuasan penonton drama Korea Vagabond. Data diperoleh melalui kuesioner skala Likert (1–5) yang merepresentasikan kepuasan keseluruhan serta berbagai aspek pengalaman menonton. Evaluasi model dilakukan menggunakan akurasi, sensitivity, precision, dan error rate. Hasil penelitian menunjukkan bahwa Random Forest menghasilkan kinerja yang lebih baik dengan akurasi 85,88%, precision 73,65%, dan error rate 14,12%, dibandingkan SVM yang memperoleh akurasi 76,47%, precision 47,7%, dan error rate 23,53%. Meskipun SVM memiliki sensitivity yang lebih tinggi, Random Forest dinilai lebih unggul secara keseluruhan karena mampu memberikan klasifikasi kepuasan penonton yang lebih akurat dan stabil. Temuan ini menunjukkan bahwa Random Forest lebih efektif digunakan sebagai alat analitik dalam mendukung strategi pemasaran dan pengelolaan produk di industri hiburan berbasis data konsumen.

References

Adrian, M., Putra, M., Rafialdy, M., & Rakhmawati, N. (2021). Perbandingan Metode Klasifikasi Random Forest dan SVM pada Analisis Sentimen PSBB. Jurnal Informatika UPGRIS, 7(1), 36-40.

Al-shufi, M., & Erfina, A. (2021). Sentimen Analisis Mengenai Aplikasi Streaming Film menggunakan Algoritma Support Vector Machine di Play Store. SISMATIK (Seminar Nasional Sistem Informasi dan Manajemen Informatika) (hal. 156-162). Sukabumi: Universitas Nusa Putra.

Anwar, M. T., Permana, A. K., Ambarwati, L., & Agustin, D. (2021). Analyzing Public Opinion Based on Emotion Labeling Using Transformers. 2021 2nd International Conference on Innovative and Creative Information Technology (ICITech), (hal. 74-78). Salatiga.

Ardana, Y., & Kambau, R. (2023). Perbandingan Analisis Sentimen Algoritma Support Vector Machine dan Naive Bayes Terhadap Tanggapan Publik Tentang Pembelajaran Online di Masa Pandemi COVID-19. Jaournal of Artificial Intelligence & Data Science, 3(1), 1-7.

Biau, G., & Scornet, E. (2016). A random forest guided tour. TEST 25, 197–227.

Efendi, M., Sarwido, & Zyen, A. (2024). Penerapan Algoritma Random Forest Untuk Prediksi Penjualan Dan Sistem Persediaan Produk. RESOLUSI : Rekayasa Teknik Informatika dan Informasi, 5(1), 12-20.

Effendi, P., & Ernawati, T. (2025). Analisis Sentimen Ulasan Aplikasi Game Hay Day Menggunakan Algoritma Random Forest. JITET(Jurnal Informatika dan Teknik Elektro Terapan), 13(3S1), 1-8.

Fitriyana, V., Hakim, L., Novitasari, D., & Asyhar, h. (2023). Analisis Sentimen Ulasan Aplikasi Jamsostek Mobile Menggunakan Metode Support Vector Machine. Jurnal Buana Informatika, 14(1), 40-49.

Hardle, W. K. (2015). Applied Multivariate Statistical Analysis. Berlin: Springer.

Herjanto, M., & Carudin. (2024). Analisis Sentimen Ulasan Pengguna Aplikasi Sirekap pada Play Store Menggunakan Algoritma Random Forest Classifier. Jurnal Informatika Dan Teknik Elektro Terapan, 1204-1210.

Kecman, V. (2005). Support Vector Machines: Theory and Applications. Studies in Fuzziness and Soft Computing, 177, 1-47.

Kumar, A., & Jaiswal, A. (2020). Systematic Literature Review of Sentiment Analysis On Twitter Using Soft Computing Technique. Concurr. Comput. Pract. Exp., 32(1).

Manullang, O., Prianto, C., & Harani, N. H. (2023). Analisis Sentimen untuk Menampilkan Hasil Calon Pemilu Presiden Menggunakan Lexicon Based dan Random Forest. JIF (Jurnal Ilmiah Informatika), 11(2), 159-169.

Munandar, A., Yaasin, M., & Firdaus, R. (2023). Analisis Sentimen Netizen Indonesia Mengenai Boikot Produk. Tauhidinomics: Journal of Islamic Banking and Economics, 3(1), 23-40.

Putra, F., Fadilah, F., & Enri, U. (2023). Analisis Sentimen Ulasan Film Oppenheimer Pada Situs Imdb Menggunakan Metode Naive Bayes. Majalah Ilmiah UNIKOM, 21(2), 87-94.

Rahman, I., Hasanah, A., & Heryana, N. (2024). Analisis Sentimen Ulasan Pengguna Aplikasi SAMSAT Digital Nasional (SIGNAL) dengan Menggunakan Metode Naive Bayes Classifier. Jurnal Informatika Dan Teknik Elektro Terapan, 12(2), 963-969.

Sharma, R., Nigam, S., & Jain, R. (2014). Polarity Detection At Sentence Level. Int. J. Comput. Appl., 86(11).

Sidauruk, N., Riza, N., & Fatonah, R. (2023). Penggunaan Metode SVM dan Random Forest untuk Analisis Sentimen Ulasan Pengguna Terhadap KAI Access di Google Playstore. Jurnal Mahasiswa Teknik Informatika (JATI), 7(3), 1901-1906.

Story, M. &. (1986). Remote Sensing Brief Accuracy Assesment: A User’s Perspective. Photogrammetric Engineering and Remote Sensing, 52(3), 397-399.

Suthaharan, S. (2016). Support Vector Machine. In: Machine Learning Models and Algorithms for Big Data Classification. Integrated Series in Information Systems, 36, 207-235.

Syafia, A., Hidayattullah, M., & Suteddy, W. (2023). Studi Komparasi Algoritma SVM dan Random Forest Pada Analisis Sentimen Komentar Youtube BTS. Jurnal Informatika: Jurnal pengembangan IT (JPIT), 8(3), 207-212.

Wang, L. (2005). Support Vector Machines: Theory and Applications. Berlin: Springer.

Downloads

Published

2026-04-20

How to Cite

Teti, A. K., Sutanta, E., Astuti, F., Fatika, I., & Widiastuti, R. (2026). Analisis Sentimen Konsumen Sebagai Dasar Evaluasi Produk Industri Hiburan: Perbandingan Metode Random Forest dan Support Vector Machine Pada Drama Korea Vagabond. Jurnal Ekonomi Manajemen Sistem Informasi, 7(4), 3883–3893. https://doi.org/10.38035/jemsi.v7i4.7652

Issue

Vol. 7 No. 4 (2026): Jurnal Ekonomi Manajemen Sistem Informasi (Maret - April 2026)

Section

Articles

License

Copyright (c) 2026 Anggelina Karolina Teti, Edhy Sutanta, Febriani Astuti, Inggit Fatika, Retno Widiastuti

Creative Commons License

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

Hak cipta :

Penulis yang mempublikasikan manuskripnya di jurnal ini menyetujui ketentuan berikut:

  1. Hak cipta pada setiap artikel adalah milik penulis.
  2. Penulis mengakui bahwa Jurnal Ekonomi Manajemen Sistem Informasi (JEMSI) berhak menjadi yang pertama menerbitkan dengan lisensi Creative Commons Attribution 4.0 International (Attribution 4.0 International CC BY 4.0) .
  3. Penulis dapat mengirimkan artikel secara terpisah, mengatur distribusi non-eksklusif manuskrip yang telah diterbitkan dalam jurnal ini ke versi lain (misalnya, dikirim ke repositori institusi penulis, publikasi ke dalam buku, dll.), dengan mengakui bahwa manuskrip telah diterbitkan pertama kali di Jurnal Ekonomi Manajemen Sistem Informasi (JEMSI).