Analisis Sentimen Komentar YouTube Terhadap OST Film Jumbo Menggunakan Metode Support Vector Machine (SVM)
Tahun 2026 · Penulis: Trisna Ayu Wulandari
Faculty of Mathematics and Natural Sciences, Universitas Jember
Abstrak
Teks yang dipakai untuk pengindeksan BM25 dan IndoSBERT
Terjemahan mesin (opus-mt-en-id) · dipakai untuk pengindeksan
Analisis Sentimen Komentar YouTube Terhadap OST Film Jumbo Menggunakan Metode Support Vector Machine (SVM)
Analisis sensimen adalah teknik yang digunakan untuk mengubah data tekstual menjadi informasi yang bermakna dengan mengklasifikasikan opini menjadi kategori positif, negatif, dan netral. Namun, data tekstual sering kali menghadirkan tantangan seperti karakteristik yang tidak terstruktur dan distribusi kelas yang tidak seimbang, yang dapat mempengaruhi kinerja klasifikasi. Penelitian ini bertujuan untuk menganalisis sentimen YouTube komentar pada Soundtrack asli (OST) film Jumbo berjudul "Selu Ada di Nadimu" menggunakan metode SVM. Metode penelitian yang digunakan termasuk mengumpulkan data komentar YouTube, preproses data (pembersihan, pelipatan kasus, penetapan kemas, normalisasi, penghapusan kata berhenti), label sentimen menggunakan InSet Lexicon, fitur berat menggunakan TF-IDF, dan menangani data tidak seimbang dengan metode SMOTE. Selanjutnya, data dibagi menjadi pelatihan dan uji set, diikuti dengan klasifikasi menggunakan SVM dengan berbagai kernel untuk mendapatkan model terbaik. Evaluasi model dilakukan menggunakan matriks kebingungan, termasuk akurasi, presisi, ingat, dan F1-score. Hasilnya menunjukkan bahwa metode SVM mampu mengklasifikasikan sentimen menjadi kategori positif, negatif, dan netral dengan kinerja yang baik. Model terbaik dicapai menggunakan kernel linear dengan parameter C=100 dan sebuah data split dari 90:10, menghasilkan akurasi 92,64%. Selain itu, aplikasi kinerja model SMATE yang ditingkatkan dengan menyeimbangkan distribusi kelas, memungkinkan model mengenali pola yang lebih baik dalam setiap kategori sentimen.
Dokumen Serupa
Berdasarkan kemiripan vektor embedding IndoSBERT (cosine similarity).
- Cosine 0,871
Tahun 2026 · Penulis: Ainiyyah Wulandari Kusuma Widya
Analisis Sentimen Pada Komentar YouTube Terhadap Video Clash of Champions Season 2 Menggunakan Metode Xgboost
Penelitian ini bertujuan untuk mengevaluasi kinerja Extreme Gradient Boost (XGBoosst) algoritma dalam klasifikasi sentimen YouTube komentar pada seri video pendidikan "Clash of Champions Season 2." Komentar pengguna di media sosial platform menghasilkan volume
- Cosine 0,829
Tahun 2026 · Penulis: Denta Muhammad Febrisuda
Analisis Kinerja SVM Dan KNN Menggunakan Fitur TF IDF Dan TF-ICF Pada Dataset Sentiment140
Penelitian ini bertujuan untuk mengatasi tantangan klasifikasi sentimen pada data Twitter yang memiliki karakteristik berdimensi tinggi dan tidak terstruktur. Fokus utama penelitian adalah melakukan analisis komparatif untuk menguji efektivitas metode pembobot
- Cosine 0,827
Tahun 2025 · Penulis: Hefrilia Nur Afifah
Pengembangan Aplikasi Penilaian Kualitas Perangkat Lunak Berbasis ISO 25010 Menggunakan Pendekatan Sentimen dan Klasifikasi
Peningkatan kualitas layanan digital di lingkungan pendidikan tinggi menjadi hal penting dalam mendukung proses akademik yang efektif. Universitas Jember sebagai institusi pendidikan menyediakan aplikasi Sistem Informasi Terintegrasi (SISTER) untuk menunjang a