Analisis Sentimen Komentar Pada Video Pidato Politik Berbahasa Indonesia di YouTube Menggunakan FastText

SAVANA, BELLA RISMA KHAILLA (2025) Analisis Sentimen Komentar Pada Video Pidato Politik Berbahasa Indonesia di YouTube Menggunakan FastText. Undergraduate thesis, UNIVERSITAS MUHAMMADIYAH JEMBER.

	Text A. Pendahuluan.pdf Download (1MB)
	Text B. Abstrak.pdf Download (463kB)
	Text C. Bab 1.pdf Download (468kB)
	Text D. Bab 2.pdf Restricted to Repository staff only Download (492kB) | Request a copy
	Text E. Bab 3.pdf Restricted to Repository staff only Download (876kB) | Request a copy
	Text F. Bab 4.pdf Restricted to Repository staff only Download (1MB) | Request a copy
	Text G. Bab 5.pdf Restricted to Repository staff only Download (483kB) | Request a copy
	Text H. Daftar pustaka.pdf Download (574kB)
	Text I. Lampiran.pdf Restricted to Repository staff only Download (366kB) | Request a copy

Abstract

Perkembangan teknologi informasi telah mengubah cara masyarakat menyampaikan dan menerima informasi, termasuk dalam ranah politik. YouTube menjadi salah satu media utama penyebaran pidato politik yang memicu berbagai respons publik melalui kolom komentar. Komentar-komentar ini sering memuat opini dan sentimen yang mencerminkan pandangan masyarakat terhadap tokoh maupun isu politik tertentu, sehingga penting untuk dianalisis guna memahami bagaimana pesan politik diterima oleh publik.
Penelitian ini bertujuan untuk mengklasifikasikan sentimen komentar pengguna terhadap video pidato politik berbahasa Indonesia di YouTube dan mengevaluasi efektivitas model FastText dalam analisis sentimen dibandingkan metode tradisional. Metode yang digunakan melibatkan representasi kata menggunakan FastText, yang dibandingkan dengan pendekatan TF-IDF yang dikombinasikan dengan algoritma Logistic Regression. Evaluasi menunjukkan bahwa FastText lebih unggul dengan peningkatan akurasi sebesar 2,71% dan F1-score netral yang naik signifikan sebesar 24,69%. Validasi menggunakan k-fold cross validation (k=5) juga menunjukkan performa konsisten, khususnya dalam mengenali komentar netral yang biasanya lebih sulit diklasifikasikan.
Temuan lain menunjukkan bahwa penggunaan metode oversampling untuk balancing data tidak memberikan peningkatan performa yang signifikan, meskipun membantu distribusi prediksi antar kelas. Secara keseluruhan, FastText terbukti lebih stabil dan andal dalam menganalisis komentar publik yang mengandung bahasa informal, slang, dan campuran bahasa, sebagaimana umum ditemukan pada komentar YouTube terhadap pidato politik.

Contribution

Nama Dosen Pembimbing

NIDN/NIDK

Dosen Pembimbing

ARIFIANTO, DENI

NIDN0718068103

Dosen Pembimbing

MUHAROM, LUTFI ALI

NIDN0727108202

Item Type:	Thesis (Undergraduate)
Keywords/Kata Kunci:	analisis sentimen, word embedding, FastText, komentar YouTube, pidato politik, bahasa Indonesia
Subjects:	000 Computer Science, Information, & General Works > 004 Data Processing, Computer Science
Divisions:	Faculty of Engineering > Department of Informatics Engineering (S1)
Depositing User:	Bella Risma Khailla Savana | bellarisma1407@gmail.com
Date Deposited:	22 Aug 2025 01:49
Last Modified:	22 Aug 2025 01:49
URI:	http://repository.unmuhjember.ac.id/id/eprint/27303

Actions (login required)

View Item