RAMADHAN, ADITYO KHORI and Nurfalinda, Nurfalinda and Magfira, Fortia (2026) ANALISIS SENTIMEN KOMENTAR YOUTUBE TERKAIT PELUNCURAN DANANTARA MENGGUNAKAN METODE NAÏVE BAYES DENGAN PENDEKATAN RANDOM UNDERSAMPLING DAN TOMEK LINK UNTUK MENANGANI KETIDAKSEIMBANGAN DATA. S1 thesis, Universitas Maritim Raja Ali Haji.

	Text (Cover) Adityo_Khori_Ramadhan_2101020045_Teknik_Elektro_dan_Informatika - Cover.pdf - Published Version Download (937kB)
	Text (Abstrak) Adityo_Khori_Ramadhan_2101020045_Teknik_Elektro_dan_Informatika - Abstrak.pdf - Published Version Download (277kB)
	Text (BAB I) Adityo_Khori_Ramadhan_2101020045_Teknik_Elektro_dan_Informatika - BAB I.pdf - Published Version Download (346kB)
	Text (Daftar Pustaka) Adityo_Khori_Ramadhan_2101020045_Teknik_Elektro_dan_Informatika - Daftar Pustaka.pdf - Published Version Download (289kB)
	Text (Full Teks) Adityo_Khori_Ramadhan_2101020045_Teknik_Elektro_dan_Informatika - Full Teks.pdf Restricted to Repository staff only Download (1MB) | Request a copy
	Other (Link Github Adityo Khori Ramadhan) Skripsi - other Restricted to Repository staff only Download (216kB) | Request a copy

Abstract

Peluncuran DANANTARA di Indonesia memicu beragam respons publik yang tercermin melalui komentar YouTube. Penelitian ini bertujuan menganalisis pengaruh kombinasi metode Random Undersampling dan Tomek Link terhadap kinerja algoritma Naïve Bayes dalam mengklasifikasikan sentimen komentar menjadi positif, negatif, dan netral. Data penelitian dikumpulkan melalui YouTube API v3 sebanyak 12.232 komentar dari dua video terkait. Tahapan Preprocessing meliputi case Folding, cleaning, translasi, tokenisasi, stopword removal, normalisasi, dan stemming, dilanjutkan dengan pelabelan menggunakan Lexicon InSet dan pembobotan TF-IDF. Evaluasi dilakukan menggunakan 10-Fold Cross Validation pada Dataset asli (imbalanced) dan Dataset hasil balancing. Hasil menunjukkan bahwa kombinasi Random Undersampling dan Tomek Link meningkatkan F1-Score dari 58,58% menjadi 64,97% (+6,39%), Recall dari 59,51% menjadi 65,08% (+5,57%), dan akurasi dari 65,26% menjadi 67,11% (+1,85%). Meskipun Precision menurun sebesar 3,71%, model balanced menunjukkan performa yang lebih seimbang dalam mengklasifikasikan kelas minoritas, terlihat dari peningkatan prediksi yang lebih merata pada confusion matrix.

Actions (login required)

View Item