ANALISIS SENTIMEN PENGGUNA YOUTUBE TERHADAP DAMPAK ARTIFICIAL INTELLIGENCE MENGGUNAKAN ALGORITMA NAIVE BAYES

Wijaya, Cerlang Realis (2025) ANALISIS SENTIMEN PENGGUNA YOUTUBE TERHADAP DAMPAK ARTIFICIAL INTELLIGENCE MENGGUNAKAN ALGORITMA NAIVE BAYES. S1 - Sarjana thesis, Universitas AMIKOM Yogyakarta.

	Text (COVER-ABSTRAK) COVER.pdf Download (1MB)
	Text (BAB I) BAB I.pdf Download (229kB)
	Text (BAB II) BAB II.pdf Restricted to Registered users only Download (946kB)
	Text (BAB III) BAB III.pdf Restricted to Registered users only Download (247kB)
	Text (BAB IV) BAB IV.pdf Restricted to Registered users only Download (1MB)
	Text (BAB V) BAB V.pdf Download (74kB)
	Text (DAFTAR PUSTAKA) Daftar Pustaka.pdf Restricted to Registered users only Download (243kB)
	Archive (SOURCE CODE) Sourcecode - 21.12.2130.zip Restricted to Repository staff only Download (1MB)
	Text (PUBLIKASI) Publikasi.pdf Restricted to Repository staff only Download (619kB)

Abstract

Perkembangan Artificial Intelligence (AI) yang pesat memunculkan beragam respons dari masyarakat, mulai dari dukungan hingga kekhawatiran terhadap dampak negatif yang ditimbulkan. Media sosial seperti YouTube menjadi wadah utama bagi masyarakat untuk mengekspresikan opini tersebut melalui kolom komentar, sehingga analisis sentimen penting dilakukan guna memahami kecenderungan opini publik terhadap dampak AI. Penelitian ini menganalisis sentimen masyarakat terhadap dampak AI berdasarkan komentar YouTube menggunakan tiga varian algoritma Naive Bayes, yaitu Multinomial, Gaussian, dan Bernoulli serta menguji pengaruh variasi nilai parameter Alpha terhadap algoritma Multinomial Naive Bayes. Data yang digunakan telah melalui Preprocessing dan diklasifikasikan menggunakan metode Naive Bayes, dengan pengukuran performa melalui metrik akurasi, presisi, recall, dan F1-score. Hasil pengujian menunjukkan bahwa Multinomial Naive Bayes memberikan performa terbaik dalam klasifikasi sentimen, dengan akurasi tertinggi sebesar 90,28%, precision sebesar 94% dan 86%, recall 87% dan 94%, serta F1score 91% dan 90% untuk masing-masing kelas. Sementara itu, algoritma Gaussian dan Bernoulli menunjukkan performa lebih rendah, dengan akurasi masing-masing sebesar 68,06% dan 68,52%. Pengujian parameter Alpha pada Multinomial Naive Bayes menunjukkan bahwa nilai Alpha mempengaruhi akurasi model, di mana Alpha 0.1 menghasilkan akurasi 87,04%, dan Alpha 0.3 serta 0.5 sebesar 87,50%. Dengan demikian, Multinomial Naive Bayes tanpa parameter Alpha terbukti paling efektif untuk klasifikasi sentimen berbasis teks komentar.

Actions (login required)

View Item