KLASIFIKASI EMOSI KOMENTAR PADA YOUTUBE MENGGUNAKAN METODE NAIVE BAYES CLASSIFIER (Studi Kasus : Video Podcast Deddy Corbuzier Dengan Prof Wiku)

TUAHNO, EKO (2021) KLASIFIKASI EMOSI KOMENTAR PADA YOUTUBE MENGGUNAKAN METODE NAIVE BAYES CLASSIFIER (Studi Kasus : Video Podcast Deddy Corbuzier Dengan Prof Wiku). Other thesis, UPN Veteran Yogyakarta.

Preview	Text 2 Halaman Pengesahan Pembimbing.pdf Download (129kB) | Preview
Preview	Text 7 ABSTRAK.pdf Download (29kB) | Preview
Preview	Text 10 DAFTAR ISI.pdf Download (58kB) | Preview
Preview	Text 1 Cover.pdf Download (176kB) | Preview
Preview	Text DAFTAR PUSTAKA.pdf Download (147kB) | Preview
	Text full-Eko-Tuahno.pdf Restricted to Repository staff only Download (3MB)

Abstract

Media sosial youtube merupakan salah satu situs yang paling sering dikunjungi oleh para pengguna internet di dunia. Youtube menyediakan berbagai macam video hingga dapat melakukan live streaming oleh para content creator. Salah satu video yang ada di youtube adalah video podcast deddy corbuzier dengan prof wiku yang membahas tentang pencegahan dan penanganan covid-19. Pada video tersebut banyak para penonton yang memberikan opini atau pendapat mereka melalui kolom komentar. Opini yang dikemukakan penonton dapat berupa ekspresi cinta dan senang yang merupakan opini positif maupun ekspresi marah, takut, dan sedih yang merupakan opini negatif. Untuk mengetahui opini tersebut dilakukan pengklasifikasian. Pada penelitian ini dilakukan pengklasifikasian menggunakan metode naive bayes classifier. Hasil dari pengujian metode naive bayes classifier memperoleh nilai akurasi 79%, presisi 85%, dan recall sebesar 87%.
Kata Kunci : youtube, podcast, covid-19, naive bayes classifier

Item Type:	Thesis (Other)
Uncontrolled Keywords:	youtube, podcast, covid-19, naive bayes classifier
Subjects:	T Technology > T Technology (General)
Divisions:	Faculty of Engineering, Science and Mathematics > School of Engineering Sciences
Depositing User:	Eko Yuli
Date Deposited:	01 Dec 2021 03:28
Last Modified:	28 Nov 2022 07:38
URI:	http://eprints.upnyk.ac.id/id/eprint/27184

Actions (login required)

View Item