ANALISIS SENTIMEN PRODUK LAPTOP DI PLATFORM YOUTUBE DENGAN LEKSIKON TEXTBLOB DAN VADER MENGGUNAKAN ALGORITMA SVM

Wijaya, Fredi (2025) ANALISIS SENTIMEN PRODUK LAPTOP DI PLATFORM YOUTUBE DENGAN LEKSIKON TEXTBLOB DAN VADER MENGGUNAKAN ALGORITMA SVM. Undergraduate thesis, Universitas Nusantara PGRI Kediri.

[img] Text (Full Text)
RAMA_55201_2113020026.pdf - Accepted Version
Restricted to Registered users only
Available under License Creative Commons Public Domain Dedication.

Download (3MB) | Request a copy
[img] Text (Similarity)
RAMA_55201_2113020026_SIMILARITY.pdf - Accepted Version
Available under License Creative Commons Public Domain Dedication.

Download (1MB)
[img] Text (Cover sd BAB 1 + References)
RAMA_55201_2113020026_0708049001_0703018704_01_front_ref.pdf - Accepted Version
Available under License Creative Commons Public Domain Dedication.

Download (998kB)
[img] Text (BAB 2)
RAMA_55201_2113020026_0708049001_0703018704_02.pdf - Accepted Version
Restricted to Registered users only
Available under License Creative Commons Public Domain Dedication.

Download (313kB) | Request a copy
[img] Text (BAB 3)
RAMA_55201_2113020026_0708049001_0703018704_03.pdf - Accepted Version
Restricted to Registered users only
Available under License Creative Commons Public Domain Dedication.

Download (653kB) | Request a copy
[img] Text (BAB 4)
RAMA_55201_2113020026_0708049001_0703018704_04.pdf - Accepted Version
Restricted to Registered users only
Available under License Creative Commons Public Domain Dedication.

Download (610kB) | Request a copy
[img] Text (BAB 5)
RAMA_55201_2113020026_0708049001_0703018704_05.pdf - Accepted Version
Restricted to Registered users only
Available under License Creative Commons Public Domain Dedication.

Download (191kB) | Request a copy
[img] Text (References)
RAMA_55201_2113020026_0708049001_0703018704_06_ref.pdf - Bibliography
Available under License Creative Commons Public Domain Dedication.

Download (193kB)
[img] Text (Lampiran)
RAMA_55201_2113020026_0708049001_0703018704_07_lamp.pdf - Accepted Version
Restricted to Registered users only
Available under License Creative Commons Public Domain Dedication.

Download (1MB) | Request a copy

Abstract

Penelitian ini bertujuan membandingkan dan menilai efektivitas leksikon TextBlob dan VADER dalam menganalisis sentimen menggunakan algoritma Support Vector Machine (SVM) terhadap komentar produk laptop di YouTube, sekaligus mengevaluasi persentase kedua leksikon tersebut. Data diambil dari 500 komentar video review laptop (Advan WorkPlus dan Axioo Hype 5 X6) menggunakan YouTube Data API v3. Sistem analisis sentimen mengimplementasikan leksikon TextBlob dan VADER melalui serangkaian tahapan preprocessing data yang meliputi cleansing, case folding, tokenisasi, normalisasi, penghapusan stopword, dan stemming. Komentar kemudian diberi label sentimen (positif, negatif, atau netral) menggunakan kedua leksikon tersebut, lalu dibobotkan menjadi representasi numerik (vektor) menggunakan TF-IDF. Klasifikasi sentimen dilakukan dengan algoritma SVM berkernel linier, membagi data menjadi 80% untuk training dan 20% untuk testing. Terkait perbandingan akurasi analisis sentimen, TextBlob dan VADER menunjukkan perbedaan. Pada dataset 500 (komentar) yang diawal diambil dari komentar terbaru menurut tanggal komentar, TextBlob menghasilkan akurasi terbesar 69%, sementara VADER mencapai rata-rata 65%. Pengujian dengan data bervariasi (500 komentar Advan WorkPlus yang diambil sacara acak) menunjukkan TextBlob dengan akurasi menjadi 68%, dengan Precision 0,78, Recall 0,53, dan F 1 Score 0,54. VADER pada data bervariasi ini menghasilkan akurasi 63%, dengan Precision 0,43, Recall 0,48, dan F-1 Score 0,45. Hasil ini mengindikasikan bahwa TextBlob cenderung lebih unggul dalam menganalisis sentimen pada dataset yang digunakan, karena kesesuaian pendekatan leksikal sederhananya. Kinerja akhir model klasifikasi SVM sangat dipengaruhi oleh akurasi pelabelan leksikon awal.

Item Type: Thesis (Undergraduate)
Uncontrolled Keywords: Machine Learning, Analisis Sentimen, Texblob, Vader, Support Vector Machine.
Subjects: 410 Engineering science > 457 Computer engineering
410 Engineering science > 459 Computer science
410 Engineering science > 461 Information systems
Divisions: Fakultas Teknik dan Ilmu Komputer > S1-Teknik Informatika
Depositing User: Fredi Wijaya
Last Modified: 07 Aug 2025 08:19
URI: http://repository.unpkediri.ac.id/id/eprint/20620

Actions (login required)

View Item View Item