Analisis Sentimen terhadap Agentic AI dalam Pengembangan Perangkat Lunak di X dengan Menggunakan SVM

Hymawan Primayudha, Andaru (2026) Analisis Sentimen terhadap Agentic AI dalam Pengembangan Perangkat Lunak di X dengan Menggunakan SVM. Bachelor Thesis, Universitas Multimedia Nusantara.

	PDF HALAMAN_AWAL.pdf Restricted to Registered users only Download (1MB)
	PDF BAB_I.pdf Download (387kB)
	PDF BAB_II.pdf Download (282kB)
	PDF BAB_III.pdf Restricted to Registered users only Download (2MB)
	PDF BAB_IV.pdf Restricted to Registered users only Download (1MB)
	PDF BAB_V.pdf Restricted to Registered users only Download (205kB)
	PDF DAFTAR_PUSTAKA.pdf Restricted to Registered users only Download (212kB)
	PDF LAMPIRAN.pdf Restricted to Registered users only Download (801kB)
	Archive (ZIP) 00000075847_2521_LembarPengesahan.pdf Restricted to Registered users only Download (65kB)

Abstract

Perkembangan Agentic AI dalam pengembangan perangkat lunak memunculkan beragam opini publik, baik berupa penerimaan terhadap peningkatan produktivitas maupun kekhawatiran terhadap perubahan peran developer. Penelitian ini bertujuan untuk menganalisis sentimen terhadap Agentic AI dalam pengembangan perangkat lunak di platform X menggunakan algoritma Support Vector Machine (SVM), serta mengukur kinerja model berdasarkan metrik akurasi, precision macro, recall macro, dan F1-score macro. Data dikumpulkan dari platform X pada periode Januari hingga April 2026 menggunakan beberapa kata kunci terkait Agentic AI. Setelah proses seleksi dan pelabelan manual, diperoleh 1.369 cuitan yang terdiri atas 864 cuitan positif dan 505 cuitan negatif. Tahapan penelitian meliputi prapemrosesan data, ekstraksi fitur menggunakan Term Frequency-Inverse Document Frequency (TF-IDF), penyeimbangan data menggunakan SMOTE pada skenario tertentu, pembentukan model SVM, serta hyperparameter tuning menggunakan Grid Search dan Bayesian Optimization. Pengujian dilakukan terhadap 18 skenario yang mengombinasikan rasio pembagian data, metode hyperparameter tuning, dan penggunaan SMOTE. Hasil penelitian menunjukkan bahwa sentimen positif lebih dominan dibandingkan sentimen negatif. Skenario terbaik diperoleh pada S17, yaitu model SVM dengan pembagian data 80:20, Bayesian Optimization, dan tanpa SMOTE, dengan akurasi 0,7591, precision macro 0,7412, recall macro 0,7392, dan F1-score macro 0,7402. Hasil tersebut menunjukkan bahwa SVM mampu digunakan untuk mengklasifikasikan sentimen terhadap Agentic AI pada data cuitan dari platform X.

Item Type:	Thesis (Bachelor Thesis)
Creators:	Hymawan Primayudha, Andaru (00000075847)
Contributors:	Irmina Prasetiyowati, Maria
Keywords:	Agentic AI, Analisis Sentimen, Hyperparameter Tuning, Support Vector Machine, X
Subjects:	000 Computer Science, Information and General Works
Divisions:	Faculty of Engineering & Informatics > Informatics
Date Deposited:	23 Jul 2026 08:04
URI:	https://kc.umn.ac.id/id/eprint/47945

Actions (login required)

View Item