Detail Tugas Akhir

SENTIMENT ANALYSIS KOMENTAR YOUTUBE SAMSUNG S20 MENGGUNAKAN METODE MAJORITY VOTE

Pradana, Risang Putra (2021) SENTIMENT ANALYSIS KOMENTAR YOUTUBE SAMSUNG S20 MENGGUNAKAN METODE MAJORITY VOTE. Undergraduate thesis, UNIVERSITAS MUHAMMADIYAH JEMBER.

Berkas Tugas Akhir

PDF
Text
a. PENDAHULUAN.pdf
PDF
Text
b. ABSTRAK.pdf
PDF
Text
c. BAB I.pdf
PDF
Text
d. BAB II.pdf
Restricted to Registered users only
PDF
Text
e. BAB III.pdf
Restricted to Registered users only
PDF
Text
f. BAB IV.pdf
Restricted to Registered users only
PDF
Text
g. BAB V.pdf
Restricted to Registered users only
PDF
Text
h. DAFTAR PUSTAKA.pdf
PDF
Text
i. LAMPIRAN.pdf
Restricted to Registered users only
PDF
Text
j. ARTIKEL.pdf

Abstract

Samsung S20 merupakan flagship keluar Samsung, meskipun Samsung Galaxy S20 hadir dengan banyak fitur, namun informasi tentang tingkat penerimaan konsumen terhadap produk ini tetap dibutuhkan. Dalam penelitian ini, penulis akan melakukan analisis sentimen berdasarkan komentar yang terdapat dalam YouTube review Samsung S20, dengan menerapkan proses text mining Majority vote yang terdiri dari perbandingan metode Support Vector Machine, K-Nearest Neighbors, dan Naïve Bayes, untuk mengklasifikasikan apakah teks termasuk dalam sentimen positif, negatif dan netral. Data diklasifikasikan secara manual dengan mengelompokkan menjadi kelas sentimen positif, negatif dan netral kemudian secara otomatis data latih akan mengambil beberapa data untuk data uji dan menguji kemampuan sistem. Hasil yang didapatkan dari penelitian ini adalah dengan menggunakan Majority vote mendapatkan nilai akurasi 0.8 dengan menggunakan 100 data dan mendapatkan nilai akurasi 0.48 dengan menggunakan 50 data uji.

Informasi Item

Item Type Thesis (Undergraduate)
Keywords/Kata Kunci Samsung S20, YouTube, text mining, Support Vector Machine (SVM), K-Nearest Neighbors (KNN), Naïve Bayes, Majority Vote
Subjects 000 Computer Science, Information, & General Works
000 Computer Science, Information, & General Works > 004 Data Processing, Computer Science
000 Computer Science, Information, & General Works > 005 Computer Programming, Programs, & Data
400 Language > 420 English and Old English, Anglo-Saxon > 423 English Dictionaries
Divisions Faculty of Engineering > Department of Informatics Engineering (S1)
Date Deposited 11 Jun 2021 01:28
Last Modified 11 Jun 2021 01:32
URI https://repository.unmuhjember.ac.id/id/eprint/10293

Actions (login required)

View Item
View Item
Ada yang bisa kami bantu?