ANALISIS SENTIMEN ULASAN FILM MENGGUNAKAN METODE SUPPORT VECTOR MACHINE (SVM) DAN BIDIRECTIONAL ENCODER REPRESENTATIONS FROM TRANSFORMERS (BERT) EMBEDDINGS

Rachmawan, Ichvan (2024) ANALISIS SENTIMEN ULASAN FILM MENGGUNAKAN METODE SUPPORT VECTOR MACHINE (SVM) DAN BIDIRECTIONAL ENCODER REPRESENTATIONS FROM TRANSFORMERS (BERT) EMBEDDINGS. Other thesis, UPN "Veteran" Yogyakarta.

	Text SKRIPSI-ICHVAN RACHMAWAN-123200147-INFORMATIKA.pdf Restricted to Repository staff only Download (7MB)
	Text ABSTRAK.pdf Download (63kB)
	Text COVER.pdf Download (131kB)
	Text LEMBAR-PENGESAHAN.pdf Download (194kB)
	Text DAFTAR-ISI.pdf Download (56kB)
	Text DAFTAR-PUSTAKA.pdf Download (86kB)

Abstract

Film adalah media komunikasi massa berbasis audio-visual yang efektif untuk
menyampaikan cerita, hiburan, dan informasi kepada masyarakat luas. Seiring
meningkatnya produksi film dalam dan luar negeri, opini publik menjadi faktor penting
dalam menentukan film yang layak ditonton. Analisis sentimen ulasan film online dapat
mengukur opini tersebut dengan mengklasifikasikan sentimen positif, negatif, atau netral.
Tantangan dalam analisis ini adalah algoritma Machine Learning tidak dapat langsung
diterapkan pada teks mentah, sehingga diperlukan teknik ekstraksi fitur. Metode
konvensional seperti TF-IDF memiliki keterbatasan dalam menangkap konteks kata,
sehingga BERT (Bidirectional Encoder Representations from Transformers) dipilih dalam
penelitian ini karena kemampuannya untuk menghasilkan embedding yang
mempertimbangkan konteks kata secara mendalam.
Penelitian ini mengimplementasikan metode BERT Embeddings dan Support Vector
Machine (SVM) untuk menganalisis sentimen ulasan film, dengan BERT menghasilkan
representasi vektor yang lebih akurat dan SVM memberikan performa optimal dalam
klasifikasi biner. Metode Rapid Application Development digunakan dalam penelitian ini,
meliputi studi literatur, pengumpulan dan pelabelan data, pre-processing, pembagian data,
ekstraksi fitur menggunakan BERT Embeddings dan TF-IDF, pemodelan SVM, serta
evaluasi. Data ulasan film dikumpulkan dari IMDb, dan kedua teknik representasi teks,
BERT Embeddings dan TF-IDF, dibandingkan untuk mengukur performa klasifikasi
sentimen dengan SVM.
Hasil penelitian menunjukkan bahwa model SVM dengan BERT Embeddings lebih
unggul dibandingkan model dengan TF-IDF, dengan rata-rata akurasi, precision, recall, dan
f1-score sebesar 0.85, sementara TF-IDF hanya mencapai rata-rata 0.82. Implementasi ini
menunjukkan bahwa BERT Embeddings lebih efektif dalam menangkap konteks dan
meningkatkan performa klasifikasi sentimen, memberikan hasil analisis yang akurat.
Kata Kunci: Film, Analisis Sentimen, BERT Embeddings, Support Vector Machine
(SVM), TF-IDF

Item Type:	Thesis (Other)
Uncontrolled Keywords:	Film, Analisis Sentimen, BERT Embeddings, Support Vector Machine (SVM), TF-IDF
Subjects:	T Technology > T Technology (General)
Divisions:	Faculty of Engineering, Science and Mathematics > School of Engineering Sciences
Depositing User:	A.Md.SI Indah Lestari Wulan Aji
Date Deposited:	02 Dec 2024 02:04
Last Modified:	02 Dec 2024 02:04
URI:	http://eprints.upnyk.ac.id/id/eprint/41791

Actions (login required)

View Item