ANALISIS SENTIMEN BERDASARKAN KOMENTAR YOUTUBE VIDEO ULASAN KENDARAAN LISTRIK DI INDONESIA MENGGUNAKAN SUPPORT VECTOR MACHINE

FEBRIAN, DHITO (2023) ANALISIS SENTIMEN BERDASARKAN KOMENTAR YOUTUBE VIDEO ULASAN KENDARAAN LISTRIK DI INDONESIA MENGGUNAKAN SUPPORT VECTOR MACHINE. Other thesis, UPN "Veteran" Yogyajarta.

	Text ABSTRAK.pdf Download (186kB)
	Text COVER.pdf Download (233kB)
	Text DAFTAR ISI.pdf Download (197kB)
	Text DAFTAR PUSTAKA.pdf Download (124kB)
	Text PENGESAHAN PEMBIMBING.pdf Download (319kB)
	Text PENGESAHAN PENGUJI.pdf Download (280kB)
	Text SKRIPSI FULL_DHITO FEBRIAN.pdf Restricted to Repository staff only Download (2MB)

Abstract

vi
ABSTRAK
Pemanasan global merupakan salah satu topik yang paling sering dibahas dari
tahun ke tahun. Salah satu alasan mengapa pemanasan global meningkat dari tahun ke
tahun adalah penggunaan kendaraan pribadi yang tinggi dan tingginya polusi yang
dihasilkan. Beberapa negara mulai menerapkan penggunaan kendaraan elektrik karena
dianggap mampu menekan jumlah polusi yang dihasilkan dari kendaraan pribadi tiap
harinya. Beberapa negara besar seperti beberapa negara di eropa sedang aktif dalam
menggunakan kendaraan pribadi bertenaga listrik. Seiring berkembangnya kendaraan
elektrik di Indonesia, maka pembahasan terhadap mobil listrik banyak dikemukakan
dalam media social. Salah satu media social yang banyak membahas kendaraan ini
adalah platform Youtube. Youtube merupakan salah satu media social yang cukup
populer di kalangan masyarakat. Komentar Youtube dijadikan objek penelitian
dikarenakan tingginya angka pengguna aktif Youtube di Indonesia. Dengan ini
tanggapan dari masyarakat dapat digunakan untuk menjadi feedback bagaimana
respon masyarakat terhadap suatu hal. Analisis sentiment digunakan untuk
mendapatkan informasi sentiment dari opini masyarakat.
Pada penelitian ini diawali dengan pengambilan data komentar pada media
social Youtube dengan beberapa video ulasan kendaraan listrik yang dijual di Indonesia
sebagai data penelirian. Selanjutnya data akan dibagi menjadi 3 kelas yaitu positif,
negatif, dan netral. Setelah itu data akan melalui proses text preprocessing dan
pembobotan TF IDF. Pada penelitian ini klasifikasi teks menggunakan metode Support
Vector Machine dengan kernel RBF yang akan terbagi menjadi 3 kelas yaitu positif,
netral, dan negatif.
Berdasarkan hasil pengujian yang dilakukan dengan menggunakan Confussion
Matrix didapatkan hasil bahwa model Support Vector Machine (SVM) dengan kernel
RBF dan data split 80:20, di mana menghasilkan nilai akurasi sebesar 88.5%, recall
score pada penelitian ini sebesar 88.5%, Untuk precision score sebesar 88.5%, Serta F-1 Score
sebesar 88.5%.
Kata Kunci : Analisis Sentimen, Support Vector Machine, Youtube, Kendaraan Listrik.

Item Type:	Thesis (Other)
Uncontrolled Keywords:	Analisis Sentimen, Support Vector Machine, Youtube, Kendaraan Listrik.
Subjects:	Z Bibliography. Library Science. Information Resources > ZA Information resources
Divisions:	Faculty of Engineering, Science and Mathematics > School of Engineering Sciences
Depositing User:	Eko Yuli
Date Deposited:	15 Sep 2023 07:09
Last Modified:	15 Sep 2023 07:09
URI:	http://eprints.upnyk.ac.id/id/eprint/37525

Actions (login required)

View Item