ANALISIS SENTIMEN KOMENTAR YOUTUBE TENTANG BACAPRES BICARA GAGASAN DENGAN MENGGUNAKAN METODE SUPPORT VECTOR MACHINE (SVM)

Hartono, Rudi (2024) ANALISIS SENTIMEN KOMENTAR YOUTUBE TENTANG BACAPRES BICARA GAGASAN DENGAN MENGGUNAKAN METODE SUPPORT VECTOR MACHINE (SVM). Strata 1 thesis, Universitas Teknokrat Indonesia.

	Text (Fulltext) full text.pdf - Published Version Restricted to Registered users only Download (6MB) | Request a copy
	Text (Abstrak) abstrak.pdf - Published Version Download (15kB)
	Text (Bab 1 Pendahuluan) bab 1.pdf - Published Version Download (82kB)
	Text (Bab 2 Landasan Teori) bab 2.pdf - Published Version Download (54kB)
	Text (Daftar Pustaka) daftar pustaka.pdf - Bibliography Download (27kB)

Abstract

Penelitian ini bertujuan untuk menerapkan metode support vector machine (SVM) dalam analisis sentimen terhadap komentar pengguna pada video Live "Bacapres Bicara Gagasan" di YouTube. Analisis dilakukan terhadap tiga calon presiden, yaitu Anies, Prabowo, dan Ganjar, menggunakan berbagai konfigurasi kernel SVM (Linear, Poly, dan Sigmoid) dalam dua skenario: dengan menggunakan Stemming dan tanpa Stemming. Dataset yang digunakan terdiri dari ulasan positif, negatif, dan netral, yang kemudian dibersihkan dari data netral untuk menghilangkan bias. Pengujian dilakukan dengan berbagai rasio pembagian data training dan testing (90:10, 80:20, 70:30, dan 60:40) untuk mengukur performa model pada masing- masing kandidat. Kernel Linear terbukti menjadi pilihan paling andal untuk semua kandidat dan rasio pembagian data. Meskipun Kernel Poly menunjukkan hasil lebih rendah dibandingkan Kernel Linear, tanpa stemming, kinerjanya sedikit membaik, terutama pada data Prabowo. Sementara itu, Kernel Sigmoid tidak menunjukkan performa yang memadai untuk tugas ini. Stemming, secara umum, tidak memberikan dampak yang signifikan terhadap Kernel Linear, namun pada beberapa kasus, terutama pada Kernel Poly, stemming justru mengurangi akurasi.

Item Type:	Thesis (Strata 1)
Uncontrolled Keywords:	Analisis Sentimen, Support Vector Machine.
Subjects:	SISTEM INFORMASI (S1) > Online Social Network SISTEM INFORMASI (S1) > Online Social Network
Divisions:	Fakultas Teknik dan Ilmu Komputer > S1 Sistem Informasi
Depositing User:	Asep Haikal Kurniawan S.IP., M.A
Date Deposited:	23 Nov 2024 08:29
Last Modified:	23 Nov 2024 08:29
URI:	http://repository.teknokrat.ac.id/id/eprint/6276

Actions (login required)

View Item