SVM, NAIVE BAYES, DECISION TREE PADA ANALISIS SENTIMEN MASYARAKAT TERHADAP ISU GEMPA MEGATHRUST

Aulia, Ewanda Herdika Septa (2025) SVM, NAIVE BAYES, DECISION TREE PADA ANALISIS SENTIMEN MASYARAKAT TERHADAP ISU GEMPA MEGATHRUST. Undergraduate thesis, Universitas Nusantara PGRI Kediri.

[img] Text (Full text)
RAMA_57201_2113030024.pdf - Accepted Version
Restricted to Registered users only
Available under License Creative Commons Public Domain Dedication.

Download (1MB) | Request a copy
[img] Text (Similarity)
RAMA_57201_2113030024_SIMILARITY.pdf - Accepted Version
Available under License Creative Commons Public Domain Dedication.

Download (964kB)
[img] Text (Cover sd BAB 1 + References)
RAMA_57201_2113030024_0723058501_0706098902_01_front_ref.pdf - Accepted Version
Available under License Creative Commons Public Domain Dedication.

Download (745kB)
[img] Text (BAB 2)
RAMA_57201_2113030024_0723058501_0706098902_02.pdf - Accepted Version
Restricted to Registered users only
Available under License Creative Commons Public Domain Dedication.

Download (437kB) | Request a copy
[img] Text (BAB 3)
RAMA_57201_2113030024_0723058501_0706098902_03.pdf - Accepted Version
Restricted to Registered users only
Available under License Creative Commons Public Domain Dedication.

Download (375kB) | Request a copy
[img] Text (BAB 4)
RAMA_57201_2113030024_0723058501_0706098902_04.pdf - Accepted Version
Restricted to Registered users only
Available under License Creative Commons Public Domain Dedication.

Download (577kB) | Request a copy
[img] Text (BAB 5)
RAMA_57201_2113030024_0723058501_0706098902_05.pdf - Accepted Version
Restricted to Registered users only
Available under License Creative Commons Public Domain Dedication.

Download (228kB) | Request a copy
[img] Text (References)
RAMA_57201_2113030024_0723058501_0706098902_06_ref.pdf - Bibliography
Available under License Creative Commons Public Domain Dedication.

Download (225kB)
[img] Text (Lampiran)
RAMA_57201_2113030024_0723058501_0706098902_07_lamp.pdf - Accepted Version
Restricted to Registered users only
Available under License Creative Commons Public Domain Dedication.

Download (1MB) | Request a copy

Abstract

Isu gempa megathrust menjadi perhatian publik yang banyak dibahas di media sosial, khususnya YouTube. Komentar pengguna terhadap video bertema gempa megathrust dapat dianalisis untuk mengetahui respons masyarakat dalam bentuk sentimen negatif, netral, dan positif. Penelitian ini bertujuan untuk mengklasifikasikan sentimen komentar YouTube menggunakan tiga algoritma machine learning, yaitu Support Vector Machine dengan kernel linear, RBF dan Polynomial; Naive Bayes dengan distribusi Bernoulli dan Multinomial; dan Decision Tree. Metode yang digunakan meliputi sembilan tahap yaitu scraping data komentar, preprocessing teks, pelabelan sentimen dengan LEXICON VADER , pembobotan kata dengan TF-IDF, balancing data, ekstraksi fitur menggunakan Mutual Information, pembuatan model klasifikasi, evaluasi model, dan analisis hasil. Data yang dianalisis berjumlah komentar berbahasa Inggris yang relevan dengan isu gempa megathrust. Evaluasi dilakukan menggunakan metrik accuracy, precision, recall, dan F1-score untuk masing-masing kelas sentimen, berdasarkan hasil evaluasi SVM dengan kernel linear menunjukkan performa terbaik dengan akurasi sebesar 87%. SVM dengan kernel RBF menempati posisi kedua dengan akurasi 85%, disusul oleh algoritma Decision Tree dengan akurasi 81%. SVM dengan kernel polinomial menghasilkan akurasi sebesar 79%, sementara algoritma Naive Bayes Multinomial mencapai akurasi 75%. Adapun akurasi terendah diperoleh dari algoritma Naive Bayes Bernoulli yakni sebesar 71%. Penelitian ini membuktikan bahwa pendekatan klasifikasi sentimen berbasis machine learning efektif untuk menganalisis persepsi publik terhadap isu kebencanaan seperti gempa megathrust.

Item Type: Thesis (Undergraduate)
Uncontrolled Keywords: Analisis Sentimen, Gempa Megathrust, Media Sosial YouTube, Classification
Subjects: 410 Engineering science > 459 Computer science
410 Engineering science > 461 Information systems
410 Engineering science > 462 Information technology
Divisions: Fakultas Teknik dan Ilmu Komputer > S1-Sistem Informasi
Depositing User: Ewanda Herdika Septa Aulia
Last Modified: 01 Aug 2025 06:12
URI: http://repository.unpkediri.ac.id/id/eprint/18222

Actions (login required)

View Item View Item