KLASIFIKASI SENTIMEN PADA KOMENTAR YOUTUBE INDONESIAN IDOL MENGGUNAKAN METODE NAÏVE BAYES CLASSIFIER DAN RECURRENT NEURAL NETWORK - Dalam bentuk pengganti sidang - Artikel Jurnal
FAUZIAH GIYANTI

Informasi Umum

Kode

23.04.6470

Klasifikasi

004 - Data Processing, Computer Science/Pemrosesan Data, Ilmu Komputer, Teknik Informatika, Hardware Komputer

Jenis

Karya Ilmiah - Skripsi (S1) - Reference

Subjek

Data Science

Dilihat

22 kali

Informasi Lainnya

Abstraksi

<p>Semakin berkembangnya teknologi informasi dan komunikasi, media sosial seperti <i>Youtube </i>memiliki banyak peminat dan digunakan untuk berkarya seperti membuat konten <i>Youtube</i>, <i>vlog </i>dan <i>podcast</i>. <i>Youtube </i>adalah salah satu media informasi dan bisa menjadi sumber data yang sangat besar. Ada beberapa fitur pada <i>Youtube </i>yang dapat memberikan informasi yaitu video, gambar, dan komentar pada video yang diunggah. Komentar pada <i>Youtube </i>ini akan digunakan untuk mengetahui opini dari penonton <i>Youtube </i>terhadap suatu konten. Data berupa teks yang akan digunakan pada Tugas Akhir ini adalah komentar penonton <i>Youtube Indonesian Idol</i>. Dengan banyaknya komentar pada video yang diunggah, sulit untuk membedakan komentar yang termasuk positif dan negatif. Hal ini dapat berpengaruh untuk penilaian penampilan peserta dan menjadi penentu hasil <i>voting </i>pada <i>Indonesian Idol</i>. Cara untuk mengkategorikan komentar tersebut dengan melakukan klasifikasi sentimen. Pada penelitian ini metode klasifikasi yang digunakan yaitu <i>Naïve Bayes Classifier </i>dan <i>Recurrent Neural Network</i>. <i>Naive Bayes </i>adalah metode klasifikasi data berdasarkan faktor-faktor probabilitas. <i>Recurrent Neural Network </i>(RNN) mempunyai kelebihan model komputasi yaitu memproses informasi berurutan yang panjang. Tahap yang dilakukan sebelum klasifikasi yaitu mengumpulkan data dari komentar <i>Youtube Indonesian Idol </i>sebagai dataset, lalu <i>preprocessing</i>, <i>labelling data </i>dan selanjutnya tahap klasifikasi. Proses klasifikasi dengan pembagian data latih 90% dan 10% data uji memberikan hasil akurasi tertinggi pada metode <i>Naïve Bayes Classifier </i>sebesar 91.30% dengan <i>f1-score </i>untuk kelas positif 95%, negatif 13% dan neutral 0%. Sedangkan pada metode <i>Recurrent Neural Network </i>yaitu 91.30% dengan <i>F1-Score </i>kelas positif sebesar 94%, negatif 0% dan neutral 0%.</p>

• CII4E4 - TUGAS AKHIR

Koleksi & Sirkulasi

Tersedia 1 dari total 1 Koleksi

Pengarang

Penerbit

Sirkulasi

Download / Flippingbook