PERBANDINGAN PERFORMA SKENARIO PREPROCESSING PADA METODE SUPPORT VECTOR MACHINE DAN NAÏVE BAYES UNTUK ANALISIS SENTIMEN (STUDI KASUS: TAYANGAN TELEVISI ACARA X FACTOR INDONESIA)

Pusean, Nabila Valinka (2022) PERBANDINGAN PERFORMA SKENARIO PREPROCESSING PADA METODE SUPPORT VECTOR MACHINE DAN NAÏVE BAYES UNTUK ANALISIS SENTIMEN (STUDI KASUS: TAYANGAN TELEVISI ACARA X FACTOR INDONESIA). Other thesis, UPN Veteran Yogyakarta.

	Text ABSTRAK.pdf Download (34kB)
	Text COVER.pdf Download (108kB)
	Text DAFTAR ISI.pdf Download (83kB)
	Text DAFTAR PUSTAKA.pdf Download (101kB)
	Text PENGESAHAN PEMBIMBING.pdf Download (355kB)
	Text SKRIPSI FULL_123180060.pdf Restricted to Repository staff only Download (4MB)

Abstract

Tayangan televisi membutuhkan rating dalam penilaiannya, namun dibutuhkan juga opini
masyarakat untuk melengkapi penilaian tersebut. Sehingga dibutuhkan analisis sentimen dalam
penyelesaiannya. Tahapan yang penting dalam analisis sentimen yaitu preprocessing karena
dalam opini masyarakat masih banyak penulisan yang tidak sesuai. Tujuan dari penelitian ini
yaitu untuk membandingkan hasil performa dengan menggunakan perbedaan skenario
preprocessing untuk mendapatkan kinerja preprocessing terbaik pada Support Vector Machine
dan Naïve Bayes terhadap analisis sentimen mengenai acara televisi X Factor Indonesia.
Tahapan yang digunakan dimulai dari studi pustaka, analisis permasalahan, perancangan,
pengumpulan data, preprocessing dengan dua skenario, pemmbobotan kata dengan TF-IDF,
klasifikasi menggunakan Support Vector Machine dan Naïve Bayes, kemudian dihasilkan
akurasi dari Confusion Matrix. Hasil penelitian ini menunjukkan bahwa kinerja terbaik
diperoleh dengan menggunakan skenario preprocessing yang lebih lengkap, meliputi
casefolding, remove emoji, cleansing, remove repetition character, normalisasi kata, negation
handling, stopwords removal, stemming dan tokenization dengan akurasi sebesar 79,44% pada
algoritma Support Vector Machine. Dengan adanya penelitian ini, maka dapat diketahui bahwa
preprocessing yang lebih lengkap pada algoritma Support Vector Machine lebih baik dalam hal
akurasi, presisi, recall dan f-1 score.
Kata kunci: Analisis sentimen, Preprocessing, Support Vector Machine, Naïve Bayes

Item Type:	Thesis (Other)
Uncontrolled Keywords:	Analisis sentimen, Preprocessing, Support Vector Machine, Naïve Bayes
Subjects:	T Technology > T Technology (General)
Divisions:	Faculty of Engineering, Science and Mathematics > School of Electronics and Computer Science
Depositing User:	A.Md Sepfriend Ayu Kelana Giri
Date Deposited:	13 Dec 2022 07:11
Last Modified:	13 Dec 2022 07:11
URI:	http://eprints.upnyk.ac.id/id/eprint/31892

Actions (login required)

View Item