Analisis Sentimen dan Kekhawatiran Publik terhadap Rupiah Digital Berbasis Komentar YouTube Menggunakan Naive Bayes, SVM, dan IndoBERT

Cipta Kusuma, Agra (2026) Analisis Sentimen dan Kekhawatiran Publik terhadap Rupiah Digital Berbasis Komentar YouTube Menggunakan Naive Bayes, SVM, dan IndoBERT. Bachelor Thesis, Universitas Multimedia Nusantara.

	PDF HALAMAN_AWAL.pdf Restricted to Registered users only Download (519kB)
	PDF BAB_I.pdf Download (421kB)
	PDF BAB_II.pdf Download (527kB)
	PDF BAB_III.pdf Restricted to Registered users only Download (801kB)
	PDF BAB_IV.pdf Restricted to Registered users only Download (7MB)
	PDF BAB_V.pdf Restricted to Registered users only Download (220kB)
	PDF DAFTAR_PUSTAKA.pdf Restricted to Registered users only Download (279kB)
	PDF LAMPIRAN.pdf Restricted to Registered users only Download (2MB)
	Archive (ZIP) 00000071933_2521_LembarPengesahan.pdf Restricted to Registered users only Download (65kB)

Abstract

Perkembangan sistem pembayaran digital mendorong pengembangan Rupiah Digital sebagai bentuk Central Bank Digital Currency di Indonesia. Penelitian ini bertujuan menganalisis sentimen pengguna YouTube terhadap Rupiah Digital, mengidentifikasi bentuk kekhawatiran dan tanggapan yang muncul dalam komentar, serta membandingkan performa Naive Bayes, Support Vector Machine, dan IndoBERT. Penelitian menggunakan CRISP- DM dengan data komentar dari 15 video YouTube berbahasa Indonesia. Data diproses melalui data cleansing, penyaringan spam, pelabelan sentimen semiotomatis, validasi manual, identifikasi kategori, dan pembagian data secara stratified hingga menghasilkan 5.339 komentar akhir. Validasi manual dilakukan untuk memperkuat kualitas pelabelan dan menghasilkan nilai Cohen's Kappa sebesar 0,8554 yang menunjukkan tingkat kesepakatan antar- annotator sangat kuat. Hasil penelitian menunjukkan bahwa sentimen netral mendominasi sebesar 64,4%, sedangkan keamanan data dan kontrol menjadi isu yang paling sering teridentifikasi dengan 495 kemunculan isu. Perbandingan model menunjukkan bahwa IndoBERT memberikan performa terbaik dibandingkan Naive Bayes dan SVM, dengan accuracy sebesar 91,48% dan F1 macro sebesar 87,84%. Hasil penelitian divisualisasikan melalui Dashboard Streamlit. Temuan penelitian terbatas pada opini pengguna YouTube dalam dataset yang dianalisis dan tidak dimaksudkan untuk merepresentasikan opini seluruh masyarakat Indonesia.

Item Type:	Thesis (Bachelor Thesis)
Creators:	Cipta Kusuma, Agra (00000071933)
Contributors:	Indah Fianty, Melissa
Keywords:	Analisis sentimen, IndoBERT, Naive Bayes, Rupiah Digital, Support Vector Machine
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:	27 Jul 2026 12:01
URI:	https://kc.umn.ac.id/id/eprint/48257

Actions (login required)

View Item