Wilani, Seri and Nikentari, Nerfita and Fattah Fahmitra, Novrizal (2026) OPTIMASI ALGORITMA NAIVE BAYES DENGAN PARTICLE SWARM OPTIMIZATION UNTUK ANALISIS SENTIMEN KOMENTAR YOUTUBE TERKAIT KEBIJAKAN PEMINDAHAN IBU KOTA NEGARA. S1 thesis, Universitas Maritim Raja Ali Haji.
![[img]](http://repositori.umrah.ac.id/style/images/fileicons/text.png) |
Text (Cover)
SERI_WILANI_2101020041_Teknik_Elektro_dan_Informatika_Cover.pdf - Published Version Download (502kB) |
|
Text (Abstrak)
SERI_WILANI_2101020041_Teknik_Elektro_dan_Informatika_Abstrak.pdf - Published Version Download (97kB) |
|
Text (BAB I)
SERI_WILANI_2101020041_Teknik_Elektro_dan_Informatika_BAB I.pdf - Published Version Download (156kB) |
|
Text (Daftar Pustaka)
SERI_WILANI_2101020041_Teknik_Elektro_dan_Informatika_Daftar Pustaka.pdf - Published Version Download (187kB) |
|
Text (Full Teks)
SERI_WILANI_2101020041_Teknik_Elektro_dan_Informatika_Full Teks.pdf - Published Version Restricted to Repository staff only Download (2MB) | Request a copy |
Abstract
Pemindahan Ibu Kota Negara (IKN) ke Kalimantan Timur menimbulkan beragam respons publik, khususnya di media sosial YouTube. Penelitian ini bertujuan untuk menganalisis sentimen komentar YouTube terkait kebijakan tersebut menggunakan algoritma Naive Bayes, serta mengoptimalkan kinerjanya melalui seleksi fitur dengan Particle Swarm Optimization (PSO). Data komentar dianalisis melalui tahapan preprocessing, pelabelan leksikal, dan pembobotan TFIDF. PSO digunakan untuk memilih fitur-fitur yang paling relevan, yang kemudian digunakan dalam pelatihan ulang model. Hasil penelitian menunjukkan bahwa akurasi model meningkat dari 77,59% menjadi 77,68% kenaikan sebesar 0,09% setelah optimasi, disertai peningkatan recall dari 39,20% menjadi 42,20%, dan f1- score dari 39,90% menjadi 44,40%. Meskipun peningkatan akurasi tergolong kecil, PSO terbukti mampu meningkatkan performa klasifikasi pada data tidak seimbang, khususnya pada metrik recall dan f1-score. Penelitian ini menunjukkan bahwa kombinasi Naive Bayes dan PSO dapat menjadi pendekatan yang efektif untuk analisis sentimen komentar di YouTube.
| Item Type: | Thesis (S1) | |||||||||
|---|---|---|---|---|---|---|---|---|---|---|
| Contributors: |
|
|||||||||
| Subjects: | 000_umum | |||||||||
| Divisions: | Fakultas Teknik > Program Studi Teknik Informatika | |||||||||
| Depositing User: | user Teknik Informatika | |||||||||
| Date Deposited: | 23 Jan 2026 03:50 | |||||||||
| Last Modified: | 23 Jan 2026 03:50 | |||||||||
| URI: | http://repositori.umrah.ac.id/id/eprint/10427 |
Actions (login required)
 |
View Item |