KLASIFIKASI SENTIMEN OPINI PUBLIK PADA KOMENTAR DI YOUTUBE TERHADAP KEBIJAKAN MAKAN BERGIZI GRATIS (MBG) MENGGUNAKAN ENSEMBLE CONFIDENCE BASED SOFT VOTING

FARRAS HAFIZHAH, . (2026) KLASIFIKASI SENTIMEN OPINI PUBLIK PADA KOMENTAR DI YOUTUBE TERHADAP KEBIJAKAN MAKAN BERGIZI GRATIS (MBG) MENGGUNAKAN ENSEMBLE CONFIDENCE BASED SOFT VOTING. Skripsi thesis, UPN "VETERAN" YOGYAKARTA.

	Text 123210052_Cover - FARRAS HAFIZHAH.pdf Download (228kB)
	Text 123210052_Abstrak - FARRAS HAFIZHAH.pdf Download (559kB)
	Text 123210052_Halaman Pengesahan - FARRAS HAFIZHAH.pdf Download (177kB)
	Text 123210052_Daftar Isi - FARRAS HAFIZHAH.pdf Download (425kB)
	Text 123210052_Daftar Pustaka - FARRAS HAFIZHAH.pdf Download (739kB)
	Text 123210052_Fulltext - FARRAS HAFIZHAH.pdf Restricted to Repository staff only Download (3MB)

Abstract

Media sosial, khususnya YouTube, telah menjadi sumber opini publik yang masif terhadap berbagai kebijakan pemerintah, termasuk kebijakan Makan Bergizi Gratis (MBG). Penelitian ini bertujuan untuk menerapkan metode ensemble learning dengan pendekatan confidence-based soft voting dalam klasifikasi sentimen opini publik pada komentar YouTube terhadap kebijakan MBG, serta membandingkan performanya dengan model Logistic Regression dan IndoBERT secara individual. Data penelitian berupa 963 komentar YouTube yang dikumpulkan menggunakan YouTube Data API v3, kemudian dilabeli secara manual melalui pendekatan collaborative labeling dengan melibatkan dua anotator.
Komentar diklasifikasikan ke dalam tiga kategori sentimen: negatif (369 data), positif (278 data), dan netral (316 data). Proses preprocessing teks mencakup tujuh tahapan, yaitu case folding, text cleaning, tokenisasi, normalisasi teks, negation handling, stopword removal, dan stemming. Representasi fitur untuk Logistic Regression menggunakan TF-IDF dengan max_features=5.000, sedangkan IndoBERT menggunakan fine-tuning pada model indobenchmark/indobert-base-p1. Metode confidence-based soft voting menggabungkan probabilitas prediksi kedua model menggunakan bobot dinamis berbasis nilai confidence masing-masing model.
Hasil pengujian pada 289 data uji menunjukkan bahwa Logistic Regression memperoleh akurasi 72%, IndoBERT 83%, dan Ensemble Confidence-Based Soft Voting 84% dengan weighted F1-score sebesar 0,84. Penelitian ini membuktikan bahwa kombinasi model klasik dan transformer dalam sistem ensemble mampu meningkatkan performa klasifikasi sentimen berbahasa Indonesia.

Item Type:	Tugas Akhir (Skripsi)
Uncontrolled Keywords:	Kata kunci: analisis sentimen, ensemble learning, soft voting, IndoBERT, Logistic Regression, TF-IDF, Makan Bergizi Gratis, YouTube
Subjek:	Q Science > QA Mathematics > QA75 Electronic computers. Computer science
Divisions:	Fakultas Teknik Industri > (S1) Informatika
Depositing User:	Indah Lestari
Date Deposited:	09 Oct 2026 03:43
Last Modified:	09 Oct 2026 03:43
URI:	http://eprints.upnyk.ac.id/id/eprint/49658

Actions (login required)

View Item