Sentimen Analisis Mobil Listrik melalui Komentar Youtube Menggunakan Algoritma SVM, Naive Bayes, dan Random Forest

Forlando Robin, Nescand (2025) Sentimen Analisis Mobil Listrik melalui Komentar Youtube Menggunakan Algoritma SVM, Naive Bayes, dan Random Forest. Bachelor Thesis, Universitas Multimedia Nusantara.

[img] PDF
HALAMAN_AWAL.pdf

Download (652kB)
[img] PDF
BAB_I.pdf

Download (305kB)
[img] PDF
BAB_II.pdf

Download (541kB)
[img] PDF
BAB_III.pdf

Download (410kB)
[img] PDF
BAB_IV.pdf
Restricted to Registered users only

Download (1MB)
[img] PDF
BAB_V.pdf

Download (242kB)
[img] PDF
DAFTAR_PUSTAKA.pdf

Download (236kB)
[img] PDF
LAMPIRAN.pdf
Restricted to Registered users only

Download (337kB)
[img] Archive (ZIP)
CREATION_FILE.zip

Download (131kB)

Abstract

Perkembangan kendaraan listrik di Indonesia menjadi bagian dari upaya menuju transisi energi yang lebih ramah lingkungan. Mobil listrik mulai mendapatkan perhatian dari masyarakat, namun penerimaannya masih beragam. Salah satu platform yang mencerminkan opini publik adalah media sosial, khususnya melalui komentar pengguna YouTube. Penelitian ini bertujuan untuk mengetahui persepsi publik terhadap mobil listrik serta membandingkan performa algoritma klasifikasi dalam analisis sentimen komentar. Penelitian ini menggunakan pendekatan analisis sentimen berbasis machine learning. Tiga algoritma yang dibandingkan adalah Support Vector Machine (SVM), Naïve Bayes (NB), dan Random Forest (RF). Data diperoleh dari komentar pada delapan video YouTube dan diolah melalui tahap preprocessing, tokenisasi, serta representasi fitur dengan TF-IDF. Untuk mengatasi ketidakseimbangan kelas, diterapkan teknik SMOTE. Evaluasi model dilakukan dengan metrik akurasi, precision, recall, dan f1-score. Hasil menunjukkan bahwa SVM memiliki akurasi tertinggi dibandingkan algoritma lainnya. Sebagian besar komentar mengandung sentimen positif, namun terdapat kekhawatiran terkait harga, baterai, dan infrastruktur pengisian daya. Penelitian ini memberikan gambaran umum persepsi publik terhadap mobil listrik dan menunjukkan bahwa SVM merupakan algoritma yang paling efektif dalam klasifikasi sentimen berbasis teks.

Item Type: Thesis (Bachelor Thesis)
Creators: Forlando Robin, Nescand (00000055301)
Contributors: Desanti, Ririn Ikana
Keywords: Analisis Sentimen, Mobil Listrik, Naïve Bayes, Random Forest, Support Vector Machine, YouTube
Subjects: 000 Computer Science, Information and General Works > 000 Computer Science, Knowledge and Systems > 004 Computer Science, Data Processing, Hardware > 004.2 Systems Analysis and Design, Information Architecture, Performance Evaluation
Divisions: Faculty of Engineering & Informatics > Information System
Date Deposited: 23 Jul 2025 11:03
URI: https://kc.umn.ac.id/id/eprint/39152

Actions (login required)

View Item View Item