PERBANDINGAN ALGORITMA NAIVE BAYES DAN LOGISTIC REGRESSION TERHADAP ANALISIS SENTIMEN (STUDI KASUS: DEBAT CALON PRESIDEN DAN CALON WAKIL PRESIDEN REPUBLIK INDONESIA TAHUN 2024-2029)

Tangka, Ignatius Lucky Henokh and Angdresey, Apriandy and Sitanayah, Lanny (2014) PERBANDINGAN ALGORITMA NAIVE BAYES DAN LOGISTIC REGRESSION TERHADAP ANALISIS SENTIMEN (STUDI KASUS: DEBAT CALON PRESIDEN DAN CALON WAKIL PRESIDEN REPUBLIK INDONESIA TAHUN 2024-2029). Skripsi thesis, UNIVERSITAS KATOLIK DE LA SALLE MANADO.

	PDF COVER-LEMBAR_PENGESAHAN_IgnatiusTangka.pdf Download (605kB)
	PDF ABSTRAK_IgnatiusTangka.pdf Download (12kB)
	PDF KATA_PENGANTAR-DAFTAR_ISI_IgnatiusTangka.pdf Download (85kB)
	PDF BAB_I_IgnatiusTangka.pdf Download (23kB)
	PDF BAB_II-LAMPIRAN_IgnatiusTangka.pdf Restricted to Repository staff only Download (2MB)

Official URL: https://digilib.unikadelasalle.ac.id/

Abstract

Analisis sentimen adalah studi komputasional yang meneliti opini, perasaan, dan emosi dalam teks, menggunakan teknik seperti pengolahan bahasa alami, komputasi linguistik, dan text mining. Tujuannya adalah mengklasifikasikan polaritas teks dengan algoritma seperti Naive Bayes dan Logistic Regression, yang telah menunjukkan akurasi yang signifikan dalam berbagai penelitian. Studi ini khususnya mengkaji komentar pada YouTube tentang debat Calon Presiden dan Calon Wakil Presiden pada pemilihan umum 2024 di Republik Indonesia. Opini publik memiliki pengaruh penting terhadap elektabilitas pasangan calon pemimpin, pada Tugas Akhir ini bertujuan mengembangkan aplikasi yang dapat membandingkan efektivitas kedua algoritma dalam mengklasifikasikan sentimen, dengan menggunakan metrik seperti akurasi, presisi, dan recall. Pemilihan kedua algoritma ini didasarkan pada akurasi penelitian terkait yang seimbang dan penggunaan prinsip probabilitas, serta statistika. Tugas Akhir ini menggunakan data sebanyak 108.867 komentar yang diambil dari YouTube, yang kemudian diproses melalui tahap text preprocessing yang melibatkan case folding, tokenizing, cleaning, stopword removal, dan stemming untuk menghasilkan data yang bersih dan siap digunakan. Hasil pengujian menunjukkan bahwa kedua algoritma mampu mengklasifikasikan sentimen ke dalam kelas positif, negatif, dan netral, meskipun terdapat perbedaan dalam performa masing-masing algoritma. Dalam 10 kali iterasi diperoleh akurasi sebesar 85,17% untuk algoritma Naive Bayes dengan 0,039 error rate, sedangkan untuk Logistic Regression diperoleh akurasi sebesar 90,67% dan error rate sebesar 0,053. Aplikasi yang dikembangkan tidak hanya mampu melakukan analisis sentimen pada data massal, tetapi juga menyediakan fitur untuk pengujian komentar baru secara individu, menampilkan hasil analisis dalam bentuk diagram garis dan himpunan data yang telah diproses.

Kata Kunci: Analisis Sentimen, Naive Bayes, Logistic Regression, Komentar YouTube.

Item Type:

Thesis (Skripsi)

Creators: