| dc.description.abstract | Sentimen analis pada komentar video YouTube merupakan proses
memahami, mengekstrak dan mengolah data tekstual secara otomatis untuk
mendapat informasi sentimen yang terkandung dalam suatu kalimat komentar video
YouTube. Beragam reaksi opini dalam komentar pengguna ketika melihat konten
video yang di unggah di YouTube sangat mempengaruhi reputasi konten video dan
channel tersebut. Konten video didalam YouTube sangat beragam, salah satu
kategori yang mengalami pertumbuhan adalah konten video pendidikan yang
menjadi bagian terpenting dalam mengedukasi masyarakat.
Pendekatan text mining menjadi alternatif terbaik untuk mengartikan makna
dari setiap komentar. Pengklasifikasian konten Positif dan Negatif menjadi sangat
penting bagi pengguna YouTube untuk menilai seberapa bermakna konten yang
telah diterbitkan tersebut berdasarkan opini pengguna. Naïve Bayes dan Support
Vector Machine secara luas digunakan sebagai garis dasar dalam tugas-tugas yang
berhubungan dengan teks tetapi kinerjanya bervariasi secara signifikan diseluruh
varian, fitur dan jumlah kumpulan data. Naïve Bayes sangat baik dalam
mengklasifikasikan teks dengan jumlah data yang kecil atau cuplikan dokumen dan
snippets sedangkan Support Vector Machine sangat baik dalam mengklasifikasikan
teks dengan jumlah data yang relative banyak atau dokumen yang panjang fulllength. Kombinasi dari metode Naïve Bayes dan Support Vector Machine
menghasilkan tingkat akurasi yang lebih baik dan performa yang lebih kuat kuat
dengan penggunaan skala data 7:3 yaitu 70% data training dan 30% data testing.
Dengan menghasilkan nilai uji performansi terbesar yaitu precission sebesar 91%,
recall sebesar 83% dan flscore sebesar 87%. | en_US |
