PERBANDINGAN ALGORITMA NAIVE BAYES ,RANDOM FOREST KLASIFIKASI EMOSI UNTUK TEKS BERBAHASA INDONESIA PADA PENGGUNA MEDIA SOSIAL

Utama, Muhammad Ichsan (2025) PERBANDINGAN ALGORITMA NAIVE BAYES ,RANDOM FOREST KLASIFIKASI EMOSI UNTUK TEKS BERBAHASA INDONESIA PADA PENGGUNA MEDIA SOSIAL. Bachelor thesis, Universitas Nasional.

	Text Cover.pdf Download (433kB)
	Text BAB 1.pdf Download (539kB)
	Text BAB 2.pdf Download (1MB)
	Text BAB 3.pdf Download (1MB)
	Text BAB 4.pdf Download (1MB)
	Text BAB 5.pdf Download (30kB)
	Text Lampiran.pdf Download (565kB)

Abstract

Klasifikasi yang ada saat ini masih dilakukan secara manual untuk menentukan proses
klasifikasi emosi yang ada di medi sosial. Tujuan penelitian ini adalah untuk
mengklasifikasikan teks ke dalam beberapa kategori emosi, seperti Bahagia, Marah, Netral,
Percaya, dan Sedih. Hasilnya menunjukkan bahwa Naive Bayes memberikan tingkat akurasi
yang lebih tinggi daripada Random Forest. Selanjutnya, distribusi data berdasarkan kategori
emosi juga dijelaskan. Kategori "Bahagia" terdiri dari 1.000 data, kategori "Marah" mencakup
2.000 data, dan kategori "Netral" memiliki 200 data. Sementara itu, kategori "Percaya" terdiri
dari 800 data, dan kategori "Sedih" mencakup 1.025 data.
Secara total, data yang digunakan dalam penelitian ini berjumlah 2.601 data. Dengan
demikian, penelitian ini berhasil mengidentifikasi pola emosi dalam teks menggunakan
algoritma Naive Bayes, yang terbukti lebih efektif dibandingkan Random Forest. Berdasarkan
hasil pengujian yang telah dilakukan, terlihat bahwa algoritma Naive Bayes mencapai tingkat
akurasi sebesar 98%, sedangkan Random Forest memiliki akurasi sebesar 95%. Dari sini,
dapat disimpulkan bahwa Naive Bayes menunjukkan performa yang lebih baik dibandingkan
Random Forest dalam penelitian ini.

Item Type:	Thesis (Bachelor)
Subjects:	T Technology > TA Engineering (General). Civil engineering (General)
Divisions:	Skripsi > Fakultas Teknologi Komunikasi dan Informatika > Program Studi Teknik Informatika
Depositing User:	Users 30 not found.
Date Deposited:	19 Jun 2025 07:21
Last Modified:	20 Jun 2025 08:04
URI:	https://repository.unas.ac.id/id/eprint/13033

Actions (login required)

View Item