ANALISIS SENTIMEN ULASAN FILM OPPENHEIMER PADA SITUS IMDB (INTERNET MOVIE DATABASE) MENGGUNAKAN ALGORITMA SUPPORT VECTOR MACHINE (SVM)

Setyopribadi, Didi (2024) ANALISIS SENTIMEN ULASAN FILM OPPENHEIMER PADA SITUS IMDB (INTERNET MOVIE DATABASE) MENGGUNAKAN ALGORITMA SUPPORT VECTOR MACHINE (SVM). S1 - Sarjana thesis, Universitas AMIKOM Yogyakarta.

	Text (COVER-ABSTRAK) COVER.pdf Download (4MB)
	Text (BAB I) BAB I.pdf Download (167kB)
	Text (BAB II) BAB II.pdf Restricted to Registered users only Download (796kB)
	Text (BAB III) BAB III.pdf Restricted to Registered users only Download (855kB)
	Text (BAB IV) BAB IV.pdf Restricted to Registered users only Download (797kB)
	Text (BAB V) BAB V.pdf Download (72kB)
	Text (DAFTAR PUSTAKA) Daftar Pustaka.pdf Restricted to Registered users only Download (155kB)
	Archive (SOURCE CODE) Sourcecode - 18.11.2592.zip Restricted to Repository staff only Download (4MB)
	Text (PUBLIKASI) Publikasi.pdf Restricted to Repository staff only Download (2MB)

Abstract

Dengan pesatnya perkembangan teknologi komunikasi dan informasi pada zaman sekarang, film menjadi salah satu konten media yang paling banyak diminati warganet dengan beragam jenis genre dan judul; bahkan warganet juga dapat menontonnya dengan mudah secara online pada situs penyedia jasa streaming resmi berbayar seperti Netflix, Hulu, Apple TV+, Amazon Prime Video, Disney+, dll. Warganet yang sudah menonton sebuah film dapat memberikan ulasan positif dan negatif pada situs IMDB (Internet Movie Database) yang menjadi database online pelbagai informasi tentang film. Ulasan positif dan negatif sebuah film pada situs IMDB (Internet Movie Database) dapat menjadi referensi calon penonton yang ingin menonton atau membeli sebuah film. Penelitian ini berfokus pada penerapan algoritma klasifikasi Support Vector Machine (SVM) dalam melakukan analisis sentimen positif dan negatif ulasan film Oppenheimer pada situs IMDB (Internet Movie Database) yang menjadi trending topik Google Trends Worldwide pada bulan Juli-September 2023 dan Google's Year in Search Global diurutan ke-2 dalam kategori movies pada tahun 2023 menggunakan dataset yang diunduh dari situs Kaggle sebanyak 3857 baris data. Penerapan algoritma klasifikasi Support Vector Machine (SVM) dalam melakukan analisis sentimen positif dan negatif pada penelitian ini menghasilkan nilai accuracy 88%, precision 88%, recall 87% dan fl-score 87% menggunakan teknik Confusion Matrix serta nilai rata-rata test score 86% menggunakan teknik K-Fold Cross Validation dengan 10-fold.

Actions (login required)

View Item