ANALISIS SENTIMEN MASYARAKAT TERHADAP KASUS CYBERCRIME PADA KOLOM KOMENTAR YOUTUBE MENGGUNAKAN ALGORITMA SUPPORT VECTOR MACHINE DAN NAIVE BAYES

Wijatmiko, Raga Wibowo (2026) ANALISIS SENTIMEN MASYARAKAT TERHADAP KASUS CYBERCRIME PADA KOLOM KOMENTAR YOUTUBE MENGGUNAKAN ALGORITMA SUPPORT VECTOR MACHINE DAN NAIVE BAYES. Diploma thesis, Universitas Nasional.

	Text COVER.pdf Download (1MB)
	Text BAB I.pdf Download (386kB)
	Text BAB II.pdf Download (499kB)
	Text BAB III.pdf Download (628kB)
	Text BAB IV.pdf Download (4MB)
	Text BAB V.pdf Download (315kB)
	Text LAMPIRAN.pdf Download (506kB)

Abstract

Penelitian ini bertujuan untuk mengkaji kecenderungan sentimen publik
terhadap isu cybercrime pada kolom komentar YouTube dengan fokus pada kasus
Bjorka. Data diperoleh melalui YouTube Data API sebanyak 6.000 komentar. Sebelum
dilakukan tahap prapemrosesan, data terlebih dahulu melalui proses screening untuk
menghapus komentar kosong, komentar yang hanya berisi emoji atau simbol, serta teks
dengan panjang sangat pendek, sehingga diperoleh 5.867 komentar yang layak
dianalisis. Tahapan prapemrosesan meliputi penyeragaman huruf (case folding),
pembersihan teks, normalisasi kata menggunakan kamus slang dan alay, tokenisasi,
penghapusan stopword, serta stemming menggunakan Sastrawi. Proses pelabelan
sentimen dilakukan dengan pendekatan lexicon-based menggunakan kamus sentimen
Bahasa Indonesia yang kemudian mengelompokkan komentar ke dalam tiga kategori,
yaitu positif, negatif, dan netral. Hasil distribusi data menunjukkan terdapat 1.248
komentar positif, 2.492 komentar negatif, dan 2.127 komentar netral. Representasi fitur
dilakukan menggunakan metode TF-IDF, kemudian data dibagi menjadi 80% data latih
(4.693) dan 20% data uji (1.174). Hasil evaluasi menunjukkan bahwa model Support
Vector Machine dengan kernel linear memperoleh akurasi 95% pada data latih dan
76% pada data uji, sedangkan Naive Bayes menghasilkan akurasi 76% pada data latih
dan 59% pada data uji. Berdasarkan hasil tersebut, metode SVM menunjukkan
performa yang lebih baik dibandingkan Naive Bayes dalam mengklasifikasikan
sentimen komentar YouTube berbahasa Indonesia terkait isu cybercrime.

Item Type:	Thesis (Diploma)
Uncontrolled Keywords:	Analisis Sentimen, Cybercrime, Bjorka, YouTube, TF-IDF, Support Vector Machine, Naive Bayes, Sastrawi.
Subjects:	Q Science > Q Science (General) T Technology > T Technology (General)
Divisions:	Skripsi > Fakultas Teknologi Komunikasi dan Informatika > Program Studi Sistem Informasi
Depositing User:	Fitria Nur Indah Hasanah
Date Deposited:	08 May 2026 02:31
Last Modified:	08 May 2026 02:31
URI:	https://repository.unas.ac.id/id/eprint/15791

Actions (login required)

View Item