UMN Knowledge Center

Implementasi Algoritma Naive Bayes Gaussian untuk Analisis Sentimen Komentar Channel Video Pelayanan Pemerintah di Youtube

Cahya Hafifah Suhengki, Gemma (2020) Implementasi Algoritma Naive Bayes Gaussian untuk Analisis Sentimen Komentar Channel Video Pelayanan Pemerintah di Youtube. Bachelor Thesis thesis, Universitas Multimedia Nusantara.

[img]
Preview
PDF
HALAMAN_AWAL.pdf

Download (568kB) | Preview
[img]
Preview
PDF
DAFTAR_PUSTAKA.pdf

Download (251kB) | Preview
[img]
Preview
PDF
BAB_I.pdf

Download (22kB) | Preview
[img] PDF
BAB_II.pdf
Restricted to Registered users only

Download (522kB)
[img] PDF
BAB_III.pdf
Restricted to Registered users only

Download (284kB)
[img] PDF
BAB_IV.pdf
Restricted to Registered users only

Download (690kB)
[img] PDF
BAB_V.pdf
Restricted to Registered users only

Download (10kB)
[img] PDF
LAMPIRAN.pdf
Restricted to Registered users only

Download (604kB)

Abstract

Perkembangan teknologi informasi dan komunikasi telah memberikan dampak yang sangat signifikan terutama dalam pelayanan publik, salah satunya adalah media sosial. Pemerintah memanfaatkan media sosial untuk membangun sistem pemerintahan yang terbuka dan transparan dengan menampung aspirasi masyarakat. Salah satu media sosial yang digunakan oleh pemerintah ialah Youtube. Komentar yang diterima dalam video channel Pemerintah merupakan salah satu bentuk keterlibatan masyarakat terhadap Pemerintahan. Komentar dengan bahasa sehari-hari akan sulit untuk diklasifikasi sifatnya oleh mesin. Untuk itu, dibuatlah sistem yang dapat melakukan analisis sentimen. Penelitian ini melakukan pembahasan mengenai penerapan dari salah satu algoritma Naïve Bayes yaitu Gaussian Naïve Baye. Penelitian ini menggunakan dataset berupa ulasan dari pengguna kepada video channel Youtube pemerintah yang bernama KemenPUPR. Pada penerapannya, dataset akan diklasifikasi menjadi tiga kategori yaitu positif, netral dan negatif dengan metode Ngram dan Term Frequency-Inverese Document Frequency (TF-IDF) sebagai metode untuk mengubah teks berupa bahasa seharihari menjadi vektor representasi. Kemudian, komentar tersebut akan diproses menggunakan algoritma Gaussian Naïve Bayes. Hasil dari pengujian yang paling ideal diperoleh nilai akurasi sebesar 73% dengan nilai precision dan recall pada label positif sebesar 77% dan 91%, pada label negatif sebesar 48% dan 45%, dan pada label netral sebesar 74% dan 40% dengan F1-Score sebesar 60%.

Item Type: Thesis (Bachelor Thesis)
Uncontrolled Keywords: Analisa Sentimen, Gaussian Naïve Bayes, Klasifikasi Teks, Ngram, Sistem Pemerintah, TF-IDF, YouTube
Subjects: T Technology > T Technology (General) > T55 Industrial engineering. Management engineering > T58.5-58.64 Information technology
Divisions: Fakultas Teknik Informatika > Program Studi Informatika
SWORD Depositor: mr admin umn
Depositing User: mr admin umn
Date Deposited: 04 Dec 2020 14:17
Last Modified: 04 Dec 2020 14:17
URI: http://kc.umn.ac.id/id/eprint/14939

Actions (login required)

View Item View Item