ANALISIS SENTIMEN KOMENTAR YOUTUBE PADA INSTITUSI KEPOLISIAN INDONESIA MENGGUNAKAN ALGORITMA BERT

Apriansyah, Bayu (2025) ANALISIS SENTIMEN KOMENTAR YOUTUBE PADA INSTITUSI KEPOLISIAN INDONESIA MENGGUNAKAN ALGORITMA BERT. S1 - Sarjana thesis, Universitas AMIKOM Yogyakarta.

[img] Text (COVER-ABSTRAK)
COVER.pdf

Download (782kB)
[img] Text (BAB I)
BAB I.pdf

Download (166kB)
[img] Text (BAB II)
BAB II.pdf
Restricted to Registered users only

Download (830kB)
[img] Text (BAB III)
BAB III.pdf
Restricted to Registered users only

Download (374kB)
[img] Text (BAB IV)
BAB IV.pdf
Restricted to Registered users only

Download (741kB)
[img] Text (BAB V)
BAB V.pdf

Download (64kB)
[img] Text (DAFTAR PUSTAKA)
Daftar Pustaka.pdf
Restricted to Registered users only

Download (93kB)
[img] Archive (SOURCE CODE)
Sourcecode - 20.11.3506.zip
Restricted to Repository staff only

Download (2MB)
[img] Text (PUBLIKASI)
Publikasi.pdf
Restricted to Repository staff only

Download (624kB)

Abstract

Media sosial seperti Youtube telah menjadi platform penting bagi masyarakat untuk menyuarakan opini mereka, termasuk terhadap institusi pemerintah seperti Kepolisian Negara Republik Indonesia (Polri). Komentar- komentar publik ini merupakan sumber data yang berharga untuk memahami persepsi masyarakat. Penelitian ini bertujuan untuk analisis sentiment terhadap komentar Youtube mengenai institusi Polri dengan menggunakan algoritma Bidirectional Encoder Representations from Transfoermers (BERT). Metode penelitian ini dimulai dengan pengumpulan data komentar dari sebuah video relevan menggunakan Youtube Data API, diikuti dengan tahap pra-pemrosesan data dan pelabelan sentiment otomatis ke dalam tig akelas(positif, negative, netral) Hasil evaluasi pada data uji menunjukkan bahwa model IndoBERT yang telah diadaptasi memiliki kinerja yang sangat baik, dengan mencapai akurasi keseluruhan sebesar 91.02% dan weighted F1-Score 90.71% (presisi 90.63%, Recall 91.02%). Model menunjukkan performa tertinggi dalam mengklasifikasikan sentiment negative (F1-Score 95.27%), yang merupakan kelas mayoritas, dan menghadapi tantangan pada kelas netral yang lebih ambigu. Penelitian ini membuktikan efektivitas arsitektur BERT untuk menganalisis teks informal berbahasa Indonesia dan menyajikan Gambaran kuantitatif mengenai persepsi public yang didominasi sentiment negative terhadap Polri berdasarkan sampel data yang dianalisis. .

Item Type: Thesis (S1 - Sarjana)
Contributor:
Pembimbing
Rahardi, Majid
Uncontrolled Keywords: Analisis Sentimen, NLP, IndoBERT, Komentar Youtube, Kepolisian Indonesia
Subjects: 000 - Komputer, Informasi dan Referensi Umum > 000 Ilmu komputer, ilmu pengetahuan dan sistem-sistem > 006 Metode komputer khusus
Divisions: Fakultas Ilmu Komputer > Informatika
Depositing User: RC Universitas AMIKOM Yogyakarta
Date Deposited: 18 Sep 2025 04:39
Last Modified: 18 Sep 2025 04:39
URI: http://eprints.amikom.ac.id/id/eprint/30757

Actions (login required)

View Item View Item