ANALISIS SENTIMEN PENGGUNA YOUTUBE TERHADAP PENDAFTARAN CPNS MENGGUNAKAN NAIVE BAYES CLASSIFIER DAN SUPPORT VECTOR MACHINE

DEWI, MAUDI PRAMESTI (2025) ANALISIS SENTIMEN PENGGUNA YOUTUBE TERHADAP PENDAFTARAN CPNS MENGGUNAKAN NAIVE BAYES CLASSIFIER DAN SUPPORT VECTOR MACHINE. S1 - Sarjana thesis, Universitas AMIKOM Yogyakarta.

	Text (COVER-ABSTRAK) COVER.pdf - Published Version Download (885kB)
	Text (BAB I) BAB I.pdf - Published Version Download (166kB)
	Text (BAB II) BAB II.pdf - Published Version Restricted to Registered users only Download (716kB)
	Text (BAB III) BAB III.pdf - Published Version Restricted to Registered users only Download (423kB)
	Text (BAB IV) BAB IV.pdf - Published Version Restricted to Registered users only Download (946kB)
	Text (BAB V) BAB V.pdf - Published Version Download (87kB)
	Text (DAFTAR PUSTAKA-LAMPIRAN) Daftar Pustaka dan Lampiran.pdf - Published Version Restricted to Registered users only Download (181kB)
	Archive (SOURCE CODE) Sourcecode - 20.11.3505.zip - Published Version Restricted to Repository staff only Download (3MB)
	Text (PUBLIKASI) Publikasi.pdf - Published Version Restricted to Repository staff only Download (529kB)

Abstract

Pendaftaran Calon Pegawai Negeri Sipil (CPNS) menjadi isu publik yang selalu mendapat perhatian luas, termasuk melalui komentar pengguna pada platform YouTube. Tingginya volume opini positif dan negatif sering kali membuat persepsi publik sulit dipetakan secara objektif, sehingga berpotensi menimbulkan interpretasi keliru mengenai transparansi proses seleksi dan kualitas penyelenggaraan. Ketidakmampuan pihak terkait dalam membaca kecenderungan opini publik dapat memengaruhi kepercayaan masyarakat terhadap sistem rekrutmen pemerintah. Oleh karena itu, dibutuhkan analisis sentimen yang sistematis untuk mengetahui respons nyata masyarakat terhadap proses pendaftaran CPNS. Penelitian ini menggunakan pendekatan text mining dengan tahapan pengumpulan komentar, pembersihan teks, normalisasi, tokenisasi, dan pembobotan menggunakan TF-IDF. Dua algoritma pembelajaran mesin diuji, yaitu Support Vector Machine (SVM) dengan kernel RBF dan Multinomial Naive Bayes (MNB). Hyperparameter tuning diterapkan untuk meningkatkan performa model. Data dibagi menjadi data latih dan data uji, kemudian dievaluasi menggunakan metrik akurasi, precision, recall, dan confusion matrix untuk memvalidasi kinerja model secara empiris. Hasil evaluasi menunjukkan bahwa SVM RBF menghasilkan performa terbaik dengan akurasi 85,16%, melampaui MNB yang memperoleh akurasi 74,48%. Temuan ini menegaskan bahwa SVM lebih efektif dalam memetakan pola non-linear pada teks komentar YouTube terkait pendaftaran CPNS. Penelitian ini bermanfaat bagi pemerintah, lembaga seleksi, dan peneliti kebijakan publik untuk memahami persepsi masyarakat secara lebih akurat. Ke depan, pengembangan dapat dilakukan dengan menambah sumber data lintas platform serta mengintegrasikan model deep learning guna meningkatkan ketepatan analisis.

Actions (login required)

View Item