ANALISIS SENTIMEN PUBLIK MENGENAI RELAWAN GUNUNG RINJANI PADA MEDIA SOSIAL YOUTUBE MENGGUNAKAN METODE SUPPORT VECTOR MACHINE DAN BIDIRECTIONAL-LSTM

Risky, Saputra (2025) ANALISIS SENTIMEN PUBLIK MENGENAI RELAWAN GUNUNG RINJANI PADA MEDIA SOSIAL YOUTUBE MENGGUNAKAN METODE SUPPORT VECTOR MACHINE DAN BIDIRECTIONAL-LSTM. Diploma thesis, Universitas Nasional.

	Text Cover (Cover,Lembar Penunjang, Abstrak, Kata Pengantar, Daftar isi).pdf Download (2MB)
	Text BAB 1.pdf Download (400kB)
	Text BAB 2.pdf Download (1MB)
	Text BAB 3.pdf Download (1MB)
	Text BAB 4.pdf Download (1MB)
	Text BAB 5.pdf Download (389kB)
	Text LAMPIRAN (Daftar pustaka, lampiran lampiran, lembar awal hasil turnitin).pdf Download (524kB)

Abstract

Penelitian ini bertujuan untuk menganalisis sentimen publik terhadap relawan Gunung Rinjani yang diekspresikan melalui komentar pada platform YouTube. Data penelitian diperoleh dengan teknik scraping menggunakan YouTube Data API v3 dari komentar video terkait aktivitas relawan, seperti pembersihan jalur pendakian, edukasi wisatawan, hingga penanganan insiden di kawasan Taman Nasional Gunung Rinjani. Komentar kemudian melalui tahapan preprocessing (case folding, cleansing, normalisasi, tokenisasi, stopwords removal, dan stemming), pelabelan sentimen berbasis leksikon Bahasa Indonesia, serta pembobotan kata menggunakan metode TF-IDF.Dua pendekatan utama diterapkan, yaitu algoritma Support Vector Machine (SVM) sebagai representasi machine learning tradisional dan Bidirectional Long Short-Term Memory (Bi-LSTM) sebagai representasi deep learning. Kedua model dibandingkan berdasarkan akurasi, presisi, recall, dan F1-score untuk mengevaluasi performa klasifikasi pada tiga kategori sentimen: positif, negatif, dan netral.Hasil penelitian menunjukkan bahwa metode Bi-LSTM lebih unggul dalam memahami konteks linguistik yang kompleks pada komentar YouTube, dengan akurasi mencapai ±94%, sedangkan SVM mencatat akurasi ±89%. Bi-LSTM lebih efektif dalam menangani bahasa informal dan variasi struktur kalimat, meskipun memerlukan sumber daya komputasi yang lebih besar. Sementara itu, SVM tetap menunjukkan keunggulan dalam efisiensi pemrosesan pada dataset terbatas.Secara teoretis, penelitian ini berkontribusi dalam memperkaya literatur analisis sentimen pada ranah sosial–lingkungan berbasis data digital di Indonesia. Secara praktis, hasil penelitian dapat menjadi dasar bagi pemerintah daerah, pengelola Taman Nasional Gunung Rinjani, serta komunitas relawan dalam menyusun strategi komunikasi publik dan program konservasi yang lebih efektif.

Item Type:	Thesis (Diploma)
Uncontrolled Keywords:	Analisis Sentimen, YouTube, Relawan Gunung Rinjani, Support Vector Machine, Bidirectional LSTM, Komentar YouTube.
Subjects:	T Technology > T Technology (General) T Technology > TA Engineering (General). Civil engineering (General)
Divisions:	Skripsi > Fakultas Teknologi Komunikasi dan Informatika > Program Studi Sistem Informasi
Depositing User:	Vira Desintha Larasati
Date Deposited:	07 Nov 2025 07:17
Last Modified:	07 Nov 2025 07:17
URI:	https://repository.unas.ac.id/id/eprint/14359

Actions (login required)

View Item