Analisis Sentimen Komentar YouTube terhadap Video Renovasi Musik Eka Gustiwana Menggunakan Algoritma Multinomial Naive Bayes

Natalis Aibekob, Henk (2025) Analisis Sentimen Komentar YouTube terhadap Video Renovasi Musik Eka Gustiwana Menggunakan Algoritma Multinomial Naive Bayes. Bachelor Thesis, Universitas Multimedia Nusantara.

	PDF HALAMAN_AWAL.pdf Download (519kB)
	PDF BAB_I.pdf Download (209kB)
	PDF BAB_II.pdf Download (261kB)
	PDF BAB_III.pdf Download (274kB)
	PDF BAB_IV.pdf Restricted to Registered users only Download (628kB)
	PDF BAB_V.pdf Download (202kB)
	PDF DAFTAR_PUSTAKA.pdf Download (207kB)
	PDF LAMPIRAN.pdf Restricted to Registered users only Download (257kB)
	Archive (ZIP) CREATION_FILE.zip Download (293kB)

Abstract

Analisis sentimen digunakan untuk memahami persepsi atau tanggapan publik terhadap suatu topik, produk, layanan, atau peristiwa tertentu, terutama melalui data dari media sosial. Komentar pengguna di platform YouTube mencerminkan opini dan respons publik terhadap suatu konten, salah satunya video "Renovasi Musik -- TURU NIGHT" oleh Eka Gustiwana. Penelitian ini bertujuan untuk mengklasifikasikan sentimen komentar YouTube terhadap video tersebut ke dalam kategori positif dan negatif menggunakan algoritma Multinomial Naive Bayes. Data yang digunakan merupakan komentar berbahasa Indonesia yang diperoleh dengan metode crawling, kemudian diproses melalui tahapan text preprocessing seperti cleansing, case folding, tokenization, stopword removal, normalization, dan stemming. Pelabelan dilakukan secara otomatis menggunakan pendekatan lexicon-based berdasarkan daftar kata positif dan negatif. Fitur teks dikonversi menggunakan TF-IDF Vectorizer. Penelitian ini juga menerapkan metode SMOTE untuk menangani ketidakseimbangan data dan membandingkan performa model dengan dan tanpa SMOTE, baik menggunakan validasi train-test split maupun K-Fold. Hasil pengujian menunjukkan bahwa model terbaik diperoleh pada pengujian dengan SMOTE menggunakan pembagian data latih dan uji 80:20, yang menghasilkan akurasi sebesar 85,08%, dengan nilai precision 85%, recall 85%, dan f1-score 85%.

Item Type:	Thesis (Bachelor Thesis)
Creators:	Natalis Aibekob, Henk (00000065012)
Contributors:	Suryadibrata, Alethea (0322099201)
Keywords:	Analisis Sentimen, Multinomial Naive Bayes, Renovasi Musik, SMOTE, YouTube
Subjects:	000 Computer Science, Information and General Works
Divisions:	Faculty of Engineering & Informatics > Informatics
Date Deposited:	10 Sep 2025 09:17
URI:	https://kc.umn.ac.id/id/eprint/40578

Actions (login required)

View Item