SUBARKAH, DANANG ARI (2024) ANALISIS SENTIMEN DAN NIAT KOMENTAR YOUTUBE PADA PODCAST SHIN TAE-YONG MENGGUNAKAN ALGORITMA MACHINE LEARNING (TA.2.24.035). Diploma thesis, Universitas Logistik dan Bisnis Internasional.
Full text not available from this repository.Abstract
ABSTRAK Shin tae young adalah figur publik yang berpengaruh di media sosial, terutama di YouTube, berkat kontribusinya dalam meningkatkan performa timnas Indonesia di bawah kepelatihannya. Popularitasnya menarik banyak perhatian, dengan pengguna yang memberikan komentar pada konten YouTube yang membawa nama dirinya, termasuk podcast. Memahami sentimen dan maksud (intent) dari komentar-komentar ini penting untuk mengetahui apa yang sebenarnya dipikirkan atau dirasakan oleh audiensnya. Analisis ini memberikan wawasan tentang bagaimana pengguna merespons konten yang disajikan. Penelitian ini menggunakan beberapa algoritma machine learning, seperti SVM, CART, Random Forest (RF), dan Logistic Regression (LR), untuk menganalisis komentar-komentar tersebut. Selain itu, dilakukan optimasi hyperparameter menggunakan metode RandomizedSearchCV dan Particle Swarm Optimization (PSO) untuk meningkatkan performa model. Hasilnya menunjukkan bahwa algoritma Logistic Regression (LR) unggul dalam menganalisis sentimen dan intent, dengan akurasi 0,94 dan f1-score 0,93 untuk sentimen, serta akurasi 0,96 dan f1-score 0,96 untuk intent. Algoritma LR dipilih karena kemampuannya yang baik dalam menangani data teks yang bersifat linier dan menghasilkan prediksi yang konsisten dan akurat. Penelitian ini berhasil menganalisis maksud di balik komentar-komentar pada konten YouTube yang membawa nama dirinya, memberikan gambaran yang lebih jelas tentang bagaimana audiens merespons kontennya. Kata-kunci : Analisis Sentimen, Analisis Intent, Machine Learning, Logistic Regression, Hyperparameter Tuning, YouTube Podcast.
| Item Type: | Thesis (Diploma) |
|---|---|
| Subjects: | T Technology > T Technology (General) |
| Divisions: | Sekolah Vokasi > Teknik Informatika D4 |
| Depositing User: | Unnamed user with email [email protected] |
| Date Deposited: | 21 Nov 2024 08:02 |
| Last Modified: | 21 Nov 2024 08:02 |
| URI: | http://eprints.ulbi.ac.id/id/eprint/2706 |
Actions (login required)
 |
View Item |
