Implementasi Algoritma Support Vector Machine untuk Analisis Sentimen dan Latent Dirichlet Allocation untuk Pemodelan Topik Terkait Generative AI

Wijaya, Andrew (2024) Implementasi Algoritma Support Vector Machine untuk Analisis Sentimen dan Latent Dirichlet Allocation untuk Pemodelan Topik Terkait Generative AI. Bachelor Thesis thesis, Universitas Multimedia Nusantara.

	PDF HALAMAN_AWAL.pdf Download (1MB)
	PDF BAB_I.pdf Download (216kB)
	PDF BAB_II.pdf Download (448kB)
	PDF BAB_III.pdf Download (678kB)
	PDF BAB_IV.pdf Restricted to Registered users only Download (2MB)
	PDF BAB_V.pdf Download (205kB)
	PDF DAFTAR_PUSTAKA.pdf Download (228kB)
	PDF LAMPIRAN.pdf Restricted to Registered users only Download (224kB)

Abstract

Generative AI merupakan sebuah teknologi machine learning yang dapat membuat suatu konten baru berupa teks, gambar, musik, atau pun video dengan menganalisis data konten lain yang telah ada sebelumnya. Kemunculan generative AI mengundang pro dan kontra terkait dengan kepemilikan, tanggung jawab, serta kebijakan yang mengatur tentang teknologi yang satu ini. Salah satu bahan pertimbangan dalam pembuatan kebijakan adalah persepsi masyarakat. Analisis sentimen merupakan metode yang dapat digunakan untuk mendapatkan persepsi serta topik yang dibahas oleh masyarakat. Analisis sentimen dapat dikombinasikan dengan metode pemodelan topik untuk mendapatkan pemahaman lebih terkait dengan topik yang diteliti. Penelitian ini berhasil menerapkan algoritma SVM dan LDA untuk analisis sentimen dan pemodelan topik melalui tahapan pengumpulan data, pre-processing, data splitting, pembuatan model SVM, evaluasi model, pembuatan model LDA, serta visualisasi model LDA. Hasilnya diperoleh model SVM dengan macro average precision = 0.8886, recall = 0.8985, f1-score = 0.8930, dan accuracy = 0.8959 yang dibuat menggunakan kernel linear dengan nilai c = 10. Sementara itu, model LDA yang dibuat berhasil menampilkan 30 keyword untuk masing-masing kluster topik pada komentar berlabel sentimen 'Positive', 'Negative', dan 'Neutral'.

Item Type:	Thesis (Bachelor Thesis)
Keywords:	Analisis sentimen, Generative AI, Latent Dirichlet Allocation, Pemodelan topik, Support Vector Machine
Subjects:	?? T58.5-58.64 ??
Divisions:	Faculty of Engineering & Informatics > Informatics
SWORD Depositor:	Administrator UMN Library
Depositing User:	Administrator UMN Library
Date Deposited:	09 Nov 2024 11:45
Last Modified:	09 Nov 2024 11:45
URI:	https://kc.umn.ac.id/id/eprint/33884

Actions (login required)

View Item