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.

[thumbnail of 2 Halaman Pengesahan Pembimbing.pdf]
Preview
Text
2 Halaman Pengesahan Pembimbing.pdf

Download (129kB) | Preview
[thumbnail of 7 ABSTRAK.pdf]
Preview
Text
7 ABSTRAK.pdf

Download (29kB) | Preview
[thumbnail of 10 DAFTAR ISI.pdf]
Preview
Text
10 DAFTAR ISI.pdf

Download (58kB) | Preview
[thumbnail of 1 Cover.pdf]
Preview
Text
1 Cover.pdf

Download (176kB) | Preview
[thumbnail of DAFTAR PUSTAKA.pdf]
Preview
Text
DAFTAR PUSTAKA.pdf

Download (147kB) | Preview
[thumbnail of full-Eko-Tuahno.pdf] 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 View Item