ANALISIS SENTIMEN KOMENTAR YOUTUBE TENTANG PERFORMA MANCHESTER UNITED DI PARUH AWAL LIGA INGGRIS MUSIM 2022-2023 MENGGUNAKAN METODE N-GRAM DAN SUPPORT VECTOR MACHINE HALAMAN JUDUL

Ahmad, Arialza Tera (2023) ANALISIS SENTIMEN KOMENTAR YOUTUBE TENTANG PERFORMA MANCHESTER UNITED DI PARUH AWAL LIGA INGGRIS MUSIM 2022-2023 MENGGUNAKAN METODE N-GRAM DAN SUPPORT VECTOR MACHINE HALAMAN JUDUL. S1 - Sarjana thesis, Universitas AMIKOM Yogyakarta.

	Text (COVER-ABSTRAK) COVER.pdf Download (4MB)
	Text (BAB I) BAB I.pdf Download (174kB)
	Text (BAB II) BAB II.pdf Restricted to Registered users only Download (723kB)
	Text (BAB III) BAB III.pdf Restricted to Registered users only Download (408kB)
	Text (BAB IV) BAB IV.pdf Restricted to Registered users only Download (872kB)
	Text (BAB V) BAB V.pdf Download (67kB)
	Text (DAFTAR PUSTAKA-LAMPIRAN) Daftar Pustaka dan Lampiran.pdf Restricted to Registered users only Download (957kB)
	Other (SOURCE CODE) Source Code - Arialza Tera Ahmad.rar Restricted to Repository staff only Download (2MB)
	Text (PUBLIKASI) Publikasi.pdf Restricted to Repository staff only Download (811kB)

Abstract

Manchester United merupakan salah satu klub sepak bola yang sukses dengan sejarah prestasi yang mengesankan di tingkat domestik maupun internasional. Dalam era digital seperti sekarang, komentar tentang pertandingan banyak diungkapkan oleh penggemar klub. Untuk mengatasi masalah tersebut, teknologi yang digunakan adalah analisis sentimen, yang merupakan proses analisis yang dilakukan pada pendapat, sentimen, penilaian, sikap, dan emosi orang terhadap suatu entitas yang diungkap berupa teks, baik positif, negatif, atau netral. Penelitian ini akan menganalisis opini penonton terhadap performa Manchester United di liga Inggris pada paruh awal musim 2022-2023 menggunakan metode N-Gram sebagai pembobotan kata dan metode Support Vector Machine sebagai metode klasifikasi data. Hasil dari kanal Youtube “Vidio” menggunakan metode support vector machine (SVM) dengan teknik balancing SMOTE menghasilkan rata-rata akurasi adalah 60%. Sedangkan, Hasil dari kanal Youtube “Manchester United” menggunakan metode support vector machine (SVM) dengan teknik balancing SMOTE menghasilkan rata-rata akurasi adalah 87%. Kesimpulan penelitian ini diantarannya Akurasi Support Vector Machine meningkat pada saat melakukan pengujian menggunakan teknik balancing SMOTE analisis sentimen menggunakan klasifikasi Support Vector Machine akan efektif apabila memiliki dataset yang bersih. Perlu menambah dataset untuk video yang berasal dari kanal Youtube “Vidio”. Membutuhkan filter lebih mendalam terhadap komentar spam atau komentar yang tidak berhubungan dengan sepakbola. Lebih baik menggunakan dataset bahasa Inggris dalam penelitian analisis sentimen ini.

Actions (login required)

View Item