ANALISIS SENTIMEN DAN KLASIFIKASI TERHADAP PEMBELAJARAN TATAP MUKA SELAMA PANDEMI COVID – 19 BERDASARKAN RESPON PENGGUNA MEDIA YOUTUBE DI INDONESIA

Aini, Aini (2022) ANALISIS SENTIMEN DAN KLASIFIKASI TERHADAP PEMBELAJARAN TATAP MUKA SELAMA PANDEMI COVID – 19 BERDASARKAN RESPON PENGGUNA MEDIA YOUTUBE DI INDONESIA. S1 Sistem Informasi thesis, STMIK Widya Cipta Dharma.

	Text 1841908-S1-Sistem Informasi.pdf Restricted to Repository staff only Download (4MB) | Request a copy
	Text 1841908-S1-jurnal.pdf Restricted to Repository staff only Download (903kB) | Request a copy

Abstract

Youtube merupakan layanan jejaring media yang banyak diminati pengguna internet sebagai media mendapatkan informasi berupa video. Informasi yang terdapat pada Youtube berupa video, opini atau komentar, baik yang bersifat positif maupun negatif. Analisis sentimen merupakan salah satu cabang penelitian dari Text Mining yang melakukan proses klasifikasi pada dokumen teks. Metode yang digunakan adalah Naive Bayes. Data yang digunakan berupa respons pengguna media Youtube, tentang pembahasan yang berkait dengan Pembelajaran Tatap Muka 400 data. Hasil analisis menggunakan metode Naive Bayes dengan menggunakan RapidMiner menghasilkan akurasi tertinggi 66.79% pada tingkat rasio 3:7, sedangkan akurasi terendahnya adalah 50.00% pada tingkat rasio 9:1 dan menghasilkan 204 komentar Positif, 196 komentar Negatif. ============================================================ Youtube is a media network service that is in great demand by internet users as a medium for getting information in the form of videos. Information contained on Youtube is in the form of videos, opinions or comments, both positive and negative. Sentiment analysis is one of the research branches of Text Mining that performs the classification process on text documents. The method used is Naive Bayes. The data used is in the form of Youtube media user responses, about discussions related to Face-to-face Learning 400 data. The results of the analysis using the Naive Bayes method using RapidMiner produced the highest accuracy of 66.79% at the 3:7 ratio level, while the lowest accuracy was 50.00% at the 9:1 ratio level and produced 204 Positive comments, 196 Negative comments.

Item Type:	Thesis (S1 Sistem Informasi)
Additional Information:	Pembimbing 1 : Dr. Heny Pratiwi, S.Kom., M.Pd., M.TI Pembimbing 2 : Kusno Harianto, S.Kom., M.Kom
Uncontrolled Keywords:	Analisis sentimen, Youtube, Naive Bayes
Subjects:	Q Science > QA Mathematics > QA76 Computer software
Divisions:	Sistem Informasi
Depositing User:	Mr Aini Aini
Date Deposited:	19 Aug 2022 02:14
Last Modified:	19 Aug 2022 02:14
URI:	http://repository.wicida.ac.id/id/eprint/4415

Actions (login required)

View Item