Analisis Sentimen di Media Sosial Tiktok Terhadap Body Shaming dengan Multinomial Naïve Bayes

Abstract

body shaming adalah tindakan penghinaan terhadap penampilan fisik seseorang. Body shaming sendiri merupakan salah satu bentuk kekerasan verbal yang banyak ditemukan dalam komentar di media sosial, termasuk TikTok. Penelitian ini bertujuan untuk melakukan klasifikasi komentar body shaming menggunakan algoritma Multinomial Naïve Bayes serta mengevaluasi efektivitas optimasi hyperparameter dengan Grid Search. Data yang digunakan sebanyak 23.114 komentar dari video TikTok dengan inisial FU, LN, dan TF pada bulan Mei 2025, yang kemudian diproses melalui tahapan preprocessing teks seperti pembersihan data, tokenisasi, stopword removal, dan stemming. Fitur teks diubah menjadi representasi numerik menggunakan TF-IDF dengan jumlah maksimal 5.000 fitur. Hasil menunjukkan bahwa model dengan optimasi Grid Search memberikan performa terbaik dengan akurasi 79% dan nilai macro F1-score sebesar 0,77. Analisis confusion matrix menunjukkan bahwa model mampu mengklasifikasikan komentar netral dan negatif dengan sangat baik, meskipun masih terdapat kesalahan klasifikasi pada komentar positif. Penelitian ini membuktikan bahwa kombinasi TF-IDF dan Multinomial Naïve Bayes dengan hyperparameter tuning mampu memberikan hasil klasifikasi yang optimal pada komentar body shaming. Temuan ini diharapkan dapat digunakan sebagai dasar untuk pengembangan sistem deteksi otomatis komentar negatif pada media sosial, serta meningkatkan kesadaran masyarakat terhadap bahaya body shaming.