ANALISIS SENTIMEN PADA KOMENTAR VIDEO ULASAN SMARTPHONE DI YOUTUBE

71150046, Kevin Giovanni (2019) ANALISIS SENTIMEN PADA KOMENTAR VIDEO ULASAN SMARTPHONE DI YOUTUBE. Bachelor thesis, Universitas Kristen Duta Wacana.

	Text (Skripsi Informatika) 71150046_bab1_bab5_daftarpustaka.pdf Download (684kB)
	Text (Skripsi Informatika) 71150046_bab2-sd-bab4_lampiran.pdf Restricted to Registered users only Download (1MB) | Request a copy

Abstract

YouTube merupakan salah satu media sosial yang memiliki daya tarik yang tinggi di masyarakat. YouTube memiliki konten yang sangat beragam, penelitian ini menitikberatkan analisis sentimen komentar mengenai video ulasan smartphone di YouTube. Adapun channel YouTube yang digunakan sebagai sumber data adalah “Sobat HAPE” dan “DroidLime” yang merupakan channel pengulas smartphone asal Indonesia yang sudah diverifikasi oleh YouTube. Sistem klasifikasi sentimen yang dibangun bertujuan untuk membantu pengguna dalam mengetahui bagaimana sentimen masyarakat terhadap suatu video ulasan smartphone. Peneliti ini mencoba untuk menerapkan metode pembobotan term Credibility Adjusted Term Frequency (CATF) pada model klasifikasi Support Vector Machine (SVM) dengan menggunakan kernel linear dan RBF. Pada proses pengujian, peneliti membandingkan performa sistem klasifikasi untuk dataset dengan jumlah data komentar yang seimbang pada setiap kelasnya dan yang tidak seimbang. Selain itu, peneliti juga membandingkan performa kernel linear dan RBF. Parameter evaluasi yang digunakan pada penelitian ini adalah akurasi dan presisi yang didapatkan dari confusion matrix. CATF dapat digunakan sebagai metode pembobotan pada model klasifikasi SVM untuk klasifikasi sentimen komentar ulasan smartphone di YouTube. Sistem ini menghasilkan nilai akurasi rata-rata tertinggi 79,2% pada data seimbang, dan 65,8% pada data tidak seimbang. Kernel linear menghasilkan sistem klasifikasi yang optimal dengan akurasi yang tinggi, meskipun begitu sistem klasifikasi yang seimbang diraih menggunakan kernel RBF.

Actions (login required)

View Item