Dewi, Ni Luh Ira Prastika (2025) PEMBANGUNAN MODEL KLASIFIKASI SENTIMEN MASYARAKAT TERHADAP PROGRAM MAKAN BERGIZI GRATIS BERDASARKAN OPINI DI YOUTUBE MENGGUNAKAN METODE PEMBOBOTAN TF-IDF DAN PENGKLASIFIKASIAN SVM. Undergraduate thesis, UNIVERSITAS PENDIDIKAN GANESHA.
![[img]](http://repo.undiksha.ac.id/style/images/fileicons/text.png) |
Text (COVER)
2015101009-COVER.pdf Download (3MB) |
|
Text (ABSTRAK)
2015101009-ABSTRAK.pdf Download (296kB) |
|
Text (BAB 1 PENDAHULUAN)
2015101009-BAB 1 PENDAHULUAN.pdf Download (262kB) |
|
Text (BAB 2 KAJIAN TEORI)
2015101009-BAB 2 KAJIAN TEORI.pdf Restricted to Repository staff only Download (693kB) | Request a copy |
|
Text (BAB 3 METODELOGI PENELITIAN)
2015101009-BAB 3 METODOLOGI PENELITIAN.pdf Restricted to Repository staff only Download (565kB) | Request a copy |
|
Text (BAB 4 HASIL DAN PEMBAHASAN)
2015101009-BAB 4 HASIL DAN PEMBAHASAN.pdf Restricted to Repository staff only Download (1MB) | Request a copy |
|
Text (BAB 5 PENUTUP)
2015101009-BAB 5 PENUTUP.pdf Restricted to Repository staff only Download (243kB) | Request a copy |
|
Text (DAFTAR PUSTAKA)
2015101009-DAFTAR PUSTAKA.pdf Download (261kB) |
|
Text (LAMPIRAN)
2015101009-LAMPIRAN.pdf Download (1MB) |
Abstract
Penelitian ini bertujuan untuk membangun model analisis sentimen terhadap opini masyarakat mengenai program makan bergizi gratis Presiden Republik Indonesia. Sumber data berasal dari kolom komentar pada platform YouTube, yang selanjutnya diproses melalui tahapan preprocessing seperti pembersihan teks, normalisasi, tokenisasi, penghapusan stopword, dan stemming. Setelah proses pembersihan, data dilabeli secara manual ke dalam tiga kelas sentimen: positif, netral, dan negatif. Ekstraksi fitur dilakukan menggunakan metode Term Frequency–Inverse Document Frequency (TF-IDF), kemudian hasilnya diklasifikasikan menggunakan algoritma Support Vector Machine (SVM). Evaluasi model dilakukan dengan menerapkan teknik 5-Fold Cross Validation untuk memperoleh parameter model yang optimal. Hasil evaluasi menunjukkan bahwa model dengan kernel polynomial memberikan akurasi terbaik sebesar 75,25%, dengan nilai precision 75%, recall 75%, dan F1-score 75% yang seimbang di ketiga kelas sentimen. Penelitian ini menunjukkan bahwa kombinasi metode TF-IDF dan SVM efektif digunakan untuk menganalisis opini publik. Saran bagi peneliti selanjutnya adalah mempertimbangkan penggunaan algoritma berbasis deep learning dan memperluas sumber data dari platform media sosial lainnya guna memperoleh hasil analisis yang lebih komprehensif dan akurat.
| Item Type: | Thesis (Undergraduate) |
|---|---|
| Uncontrolled Keywords: | analisis sentimen, TF-IDF, SVM, komentar YouTube, makan bergizi gratis |
| Subjects: | T Technology > T Technology (General) |
| Divisions: | Fakultas Teknik dan Kejuruan > Jurusan Teknik Informatika > Program Studi Ilmu Komputer (S1) |
| Depositing User: | Ni Luh Ira Prastika Dewi |
| Date Deposited: | 28 Jul 2025 08:16 |
| Last Modified: | 28 Jul 2025 08:16 |
| URI: | http://repo.undiksha.ac.id/id/eprint/26191 |
Actions (login required)
 |
View Item |