Kelana, Anisza Asmara (2025) KOMPARASI METODE SUPPORT VECTOR MACHINE (SVM) DENGAN BIDIRICTIONAL ENCODER REPRESENTATION TRANSFORMERS (BERT) UNTUK KLASIFIKASI SENTIMEN KOMENTAR VIDEO YOUTUBE MATA NAJWA. Undergraduate thesis, Universitas Pendidikan Ganesha.
![[img]](http://repo.undiksha.ac.id/style/images/fileicons/text.png) |
Text (COVER)
1915101030-Cover.pdf Download (1MB) |
|
Text (ABSTRAK)
1915101030-Abstrak.pdf Download (48kB) |
|
Text (BAB 1 PENDAHULUAN)
1915101030-BAB 1 Pendahuluan.pdf Download (455kB) |
|
Text (BAB 2 KAJIAN TEORI)
1915101030-BAB 2 Kajian Teori.pdf Restricted to Repository staff only Download (1MB) | Request a copy |
|
Text (BAB 3 METODELOGI PENELITIAN)
1915101030-BAB 3 Metodelogi Penelitian.pdf Restricted to Repository staff only Download (884kB) | Request a copy |
|
Text (BAB 4 HASIL DAN PEMBAHASAN)
1915101030-BAB 4 Hasil dan Pembahasan.pdf Restricted to Repository staff only Download (2MB) | Request a copy |
|
Text (BAB 5 PENUTUP)
1915101030-BAB 5 Penutup.pdf Restricted to Repository staff only Download (243kB) | Request a copy |
|
Text (DAFTAR PUSTAKA)
1915101030-Daftar Pustaka.pdf Download (157kB) |
|
Text (LAMPIRAN)
1915101030-Lampiran.pdf Download (399kB) |
Abstract
KOMPARASI METODE SUPPORT VECTOR MACHINE (SVM) DENGAN BIDIRICTIONAL ENCODER REPRESENTATION TRANSFORMERS(BERT) UNTUK KLASIFIKASI SENTIMEN KOMENTAR VIDEO YOUTUBE MATA NAJWA Oleh Anisza Amara Kelana NIM, 1915101030 Jurusan Teknik Informatika ABSTRAK Latar belakang: Kehidupan manusia sangat terkait dengan sentimen, sentimen merupakan bentuk perasaan yang memicu pergolakan pikiran, perasaan dan nafsu. Dalam bersosial media, kita tidak dapat menghindari aktivitas beropini. Opini muncul sebagai respons terhadap pesan yang disampaikan oleh komunikator, yang kemudian memicu diskusi atau reaksi terhadap isi pesan tersebut. Tujuan penelitian: Untuk mengetahui implementasi metode Support Vector Machine dan BERT dalam melakukan klasifikasi komentar video dan untuk mengetahui hasil perbandingan metode klasifikasi Support Vector Machine dan BERT dalam melakukan klasifikasi komentar video Mata Najwa. Metode: adalah metode klasifikasi dengan menggunakan Support Vector Machine yang akan dibagi menjadi beberapa tahap yaitu: tahap pengambilan data, pelabelan data, preprocessing, ekstraksi fitur, splitting data, klasifikasi dan evaluasi. Hasil: model SVM dengan down sampling, kelas sentimen negatif memiliki precision sebesar 85%, recall 61%, dan F1-score 71%. Meskipun precision cukup tinggi, recall yang lebih rendah menunjukkan bahwa model masih kesulitan dalam mengenali seluruh data dengan sentimen negatif. Kelas netral memiliki precision 69%, recall 60%, dan F1-score 64%, yang menunjukkan model kesulitan dalam mengenali sentimen netral secara optimal. Kelas positif memiliki precision 54%, recall 75%, dan F1-score 62%, yang berarti model mampu menangkap lebih banyak data positif, tetapi precision yang rendah mengindikasikan adanya kesalahan klasifikasi ke kelas ini. Kesimpulan: Model BERT memiliki performa lebih tinggi dibandingkan SVM, baik dalam hal akurasi training maupun testing. Metode BERT lebih baik dalam menangkap pola sentimen dibandingkan dengan SVM, terutama dalam kondisi data yang lebih besar. Kata kuci: SVM, RBF, BERT
| Item Type: | Thesis (Undergraduate) |
|---|---|
| Uncontrolled Keywords: | SVM, RBF, BERT |
| Subjects: | T Technology > T Technology (General) |
| Divisions: | Fakultas Teknik dan Kejuruan > Jurusan Teknik Informatika > Program Studi Ilmu Komputer (S1) |
| Depositing User: | Anisza Asmara Kelana |
| Date Deposited: | 13 Feb 2025 05:53 |
| Last Modified: | 13 Feb 2025 05:53 |
| URI: | http://repo.undiksha.ac.id/id/eprint/23218 |
Actions (login required)
 |
View Item |