KLASIFIKASI OPINI MASYARAKAT TERHADAP METAVERSE MENGGUNAKAN METODE WORD2VEC-SVM (SUPPORT VECTOR MACHINE) DAN TF IDF-SVM (SUPPORT VECTOR MACHINE)

ANDHIKA, PRIMA (2023) KLASIFIKASI OPINI MASYARAKAT TERHADAP METAVERSE MENGGUNAKAN METODE WORD2VEC-SVM (SUPPORT VECTOR MACHINE) DAN TF IDF-SVM (SUPPORT VECTOR MACHINE). Strata 1 thesis, Universitas Teknokrat Indonesia.

	Text (full teks) skripsi18311316.pdf - Published Version Restricted to Registered users only Download (5MB) | Request a copy
	Text (abstrak) abstrak18311316.pdf - Published Version Download (323kB)
	Text (BAB I Pendahuluan) b118311316.pdf - Published Version Download (327kB)
	Text (BAB II Tinajuan) b218311316.pdf - Published Version Download (673kB)
	Text (Daftar Pustaka) daftar_pustaka18311316.pdf - Bibliography Download (438kB)

Abstract

Penelitian ini melakukan perbandingan metode Word2Vec-SVM dan TFIDF-SVM, untuk melakukan klasifikasi. Penelitian ini dibagi menjadi 5 tahap yaitu pengumpulan data, labeling, preprocessing, testing dan hasil. Penelitian ini menggunakan (app script) untuk scraping data yang didapat dari opini masyarakat di Channel youtube tentang metaverse. Channel youtube yang di gunakan adalah Deddy Corbuzier, Dr. Indrawan Nugroho, Sandiuno TV, dan Raymond Chin dengan kata kunci ?metaverse?. Data yang dikumpulkan mulai dari bulan Januari 2021 hingga September 2022. Data yang digunakan sebanyak 5000 data dengan label positif atau negatif. Hasil pengujian SVM-TFIDF dengan Undersampling menunjukan bahwa nilai akurasi tertinggi di hasilkan dari kernel RBF dengan 74% accuracy, 74% precision, 73% recall, dan 73% f1-score pada pembagian data 75% data latih dan 25% data uji. Sedangkan dari hasil pengujian SVM-WORD2VEC tanpa SMOTE menghasilkan akurasi tertinggi pada kernel polynomial 61% accuracy, 60% precision, 63% recall, dan 61% f1-score pada pembagian data 75% data latih dan 25% data uji. Berdasarkan hasil pengujian yang dilakukan, dapat disimpulkan bahwa SVM-TFIDF memiliki performa yang lebih baik daripada SVMWORD2VEC dalam proses klasifikasi data.

Item Type:	Thesis (Strata 1)
Uncontrolled Keywords:	Klasifikasi Opini Masyarakat, Metaverse, Word2Vec-SVM, TF-IDF-SVM, Smote, Undersampling
Subjects:	SISTEM INFORMASI (S1) > Bahasa Pemrograman SISTEM INFORMASI (S1) > Bahasa Pemrograman
Divisions:	Fakultas Teknik dan Ilmu Komputer > S1 Sistem Informasi
Depositing User:	Asep Haikal Kurniawan S.IP., M.A
Date Deposited:	18 Oct 2023 08:20
Last Modified:	18 Oct 2023 08:20
URI:	http://repository.teknokrat.ac.id/id/eprint/5030

Actions (login required)

View Item