KOMPARASI KINERJA ALGORITMA SVM DAN RF DALAM KLASIFIKASI SENTIMEN DENGAN DETEKSI SARKASME PADA KOMENTAR YOUTUBE

Habibi, Muhammad Hilman Habib (2025) KOMPARASI KINERJA ALGORITMA SVM DAN RF DALAM KLASIFIKASI SENTIMEN DENGAN DETEKSI SARKASME PADA KOMENTAR YOUTUBE. Undergraduate thesis, UNIVERSITAS PEMBANGUNAN NASIONAL "VETERAN" JAWA TIMUR.

	Text (Cover) 20082010004-Cover.pdf Download (263kB)
	Text (Bab 1) 20082010004-Bab 1.pdf Download (158kB)
	Text (Bab 2) 20082010004-Bab 2.pdf Restricted to Registered users only until 3 February 2028. Download (602kB)
	Text (Bab 3) 20082010004-Bab 3.pdf Restricted to Registered users only until 3 February 2028. Download (227kB)
	Text (Bab 4) 20082010004-Bab 4.pdf Restricted to Registered users only until 3 February 2028. Download (914kB)
	Text (Bab 5) 20082010004-Bab 5.pdf Download (11kB)
	Text (Daftar Pustaka) 20082010004-Daftar Pustaka.pdf Download (153kB)
	Text (Lampiran) 20082010004-Lampiran.pdf Restricted to Registered users only until 3 February 2028. Download (704kB)

Abstract

YouTube adalah platform berbagi video yang sering diakses di Indonesia, terutama dalam diskusi terkait PILKADA 2024. Isu-isu yang muncul menjelang PILKADA memicu pro dan kontra, mendorong masyarakat untuk beropini di media sosial. Klasifikasi sentimen bertujuan mengelompokkan opini menjadi positif atau negatif, tetapi sering terhambat oleh sarkasme, yaitu ironi yang menyampaikan makna berlawanan dengan pernyataan eksplisit. Skripsi ini memperoleh data melalui crawling komentar YouTube, yang kemudian diproses dengan cleaning, case folding, dan stemming. Klasifikasi dilakukan menggunakan algoritma Support Vector Machine (SVM) dan Random Forest (RF) dengan berbagai skenario, termasuk metode holdout (80:20 dan 70:30), teknik resampling (Random Oversampling/ROS dan Random Undersampling/RUS), serta pembobotan kata TF-IDF dan TF-ABS. Berdasarkan evaluasi, algoritma SVM dengan ROS dan TF-IDF pada rasio 80:20 memberikan hasil terbaik untuk klasifikasi sentimen dengan akurasi 0.80, sedangkan SVM dengan TF-IDF tanpa resampling pada rasio 80:20 mencapai 0.73 untuk klasifikasi sarkasme. Sementara itu, RF dengan ROS dan TF-ABS pada rasio 70:30 menghasilkan akurasi 0.73 untuk klasifikasi sentimen, dan RF dengan ROS dan TF-IDF pada rasio yang sama mencapai 0.69 untuk klasifikasi sarkasme. Hasil ini menunjukkan keandalan SVM dalam menangkap pola data yang kompleks, terutama dalam klasifikasi sentimen dengan deteksi sarkasme Kata kunci: PILKADA, Sentimen, Sarkasme, Support Vector Machine (SVM), Random Forest (RF)

Item Type:

Thesis (Undergraduate)

Contributors:

Contribution	Contributors	NIDN/NIDK	Email
Thesis advisor	Wahyuni, Eka Dyar	NIDN0001128406	ekawahyuni.si@upnjatim.ac.id
Thesis advisor	Permatasari, Reisa	NIDN0014059203	reisa.permatasari.sifo@upnjatim.ac.id

Subjects:

Q Science > Q Science (General)
Q Science > QA Mathematics > QA76.6 Computer Programming
T Technology > T Technology (General)

Divisions:

Faculty of Computer Science > Departemen of Information Systems

Depositing User:

Muhammad Hilman Habib Habibi

Date Deposited:

03 Feb 2025 08:58

Last Modified:

03 Feb 2025 08:58

URI:

https://repository.upnjatim.ac.id/id/eprint/34499