STMIK BANJARBARUSTMIK BANJARBARU
Progresif: Jurnal Ilmiah KomputerProgresif: Jurnal Ilmiah KomputerMasyarakat Indonesia memanfaatkan media sosial seperti YouTube tidak hanya untuk rekreasi dan sebagai media pendidikan dan dakwah, serupa dengan Nen Umi Laila. Tujuan penelitian ini adalah untuk menganalisis sentimen terhadap video Neng Umi Laila Kepleset Ghibahin Rhoma Irama menggunakan algoritma Long short-term memory (LSTM). Data yang digunakan adalah 1108 komentar pada video tersebut. LSTM dipilih karena keakuratan dan kemampuannya menangani data dalam jumlah kecil. Metode penelitian ini sebanding dengan deep learning dalam hal akurasi prediksi. Kumpulan data asli terdiri dari 805 komentar dari 13 hingga 15 April 2024, menghasilkan 1.108 komentar setelah pembersihan dan prapemrosesan. Hasil evaluasi menunjukkan akurasi pengelolaan data komentar YouTube menggunakan algoritma LSTM sebesar 96%.
Penelitian ini menemukan bahwa analisis sentimen yang dilakukan pada komentar YouTube mengenai Neng Umi Laila Kepleset Ghibahin Rhoma Irama memiliki nilai akurasi sebesar 96%.Hasil ini menunjukkan bahwa algoritma naive Bayes berfungsi dengan baik untuk menganalisis sentimen pada komentar YouTube.Penelitian ini menunjukkan bahwa penelitian tambahan akan dilakukan tentang komentar YouTube Ustadz Abdul Somad dengan pendekatan yang berbeda, yang diharapkan akan memberikan tingkat akurasi yang lebih tinggi.Dengan demikian, analisis sentimen ini dapat memberikan informasi tentang tanggapan masyarakat terhadap video Neng Umi Laila Kepleset Ghibahin Rhoma Irama.Hasil ini dapat digunakan sebagai inspirasi untuk terus memproduksi video terbaik untuk masyarakat.
Untuk penelitian lanjutan, dapat dilakukan analisis sentimen komentar YouTube terhadap tokoh-tokoh publik lainnya, seperti Ustadz Abdul Somad, dengan menggunakan pendekatan yang berbeda. Hal ini diharapkan dapat memberikan tingkat akurasi yang lebih tinggi dan memberikan wawasan lebih dalam mengenai opini masyarakat di media sosial. Selain itu, penelitian dapat dilakukan untuk memahami pola dan tren tertentu dalam sentimen publik terhadap tokoh kontroversial atau peristiwa tertentu di media sosial. Dengan demikian, hasil penelitian ini dapat membantu pembuat kebijakan, peneliti, dan profesional media untuk lebih memahami dan mengambil keputusan yang tepat.
| File size | 336.95 KB |
| Pages | 10 |
| DMCA | Report |
Related /
BSIBSI Di Bekasi, Kafe Kopi Insight menghadapi tantangan operasional serius terkait manajemen antrean dan akurasi data pesanan yang selama ini dikelola secaraDi Bekasi, Kafe Kopi Insight menghadapi tantangan operasional serius terkait manajemen antrean dan akurasi data pesanan yang selama ini dikelola secara
LINTASBUDAYANUSANTARALINTASBUDAYANUSANTARA Fenomena hadirnya sosok Dedi Mulyadi menjadi menarik karena kemunculannya di tengah maraknya krisis kepercayaan publik terhadap pelaku politisi yang cenderungFenomena hadirnya sosok Dedi Mulyadi menjadi menarik karena kemunculannya di tengah maraknya krisis kepercayaan publik terhadap pelaku politisi yang cenderung
UNIMALUNIMAL Dataset seimbang sebanyak 3. 000 ulasan (1. 000 positif, 1. 000 netral, dan 1. 000 negatif) dikumpulkan dari Google Play Store melalui web scraping. SetelahDataset seimbang sebanyak 3. 000 ulasan (1. 000 positif, 1. 000 netral, dan 1. 000 negatif) dikumpulkan dari Google Play Store melalui web scraping. Setelah
MES BOGORMES BOGOR Penelitian ini menggunakan sebanyak 1113 data yang telah yang didapatkan dari media sosial Twitter dengan menerapkan teknik crawling. Data melewati beberapaPenelitian ini menggunakan sebanyak 1113 data yang telah yang didapatkan dari media sosial Twitter dengan menerapkan teknik crawling. Data melewati beberapa
STMIK BANJARBARUSTMIK BANJARBARU Analisis sentimen data dari platform X menunjukkan mayoritas komentar positif (47,43%) terhadap Trans Semarang, diikuti netral (37,28%) dan negatif (15,29%).Analisis sentimen data dari platform X menunjukkan mayoritas komentar positif (47,43%) terhadap Trans Semarang, diikuti netral (37,28%) dan negatif (15,29%).
ITKITK Diagram persebaran data menunjukkan bahwa sentimen pada hari pertama crawling data menunjukkan data sentimen diangka 40 sentimen negatif dan positif, kemudianDiagram persebaran data menunjukkan bahwa sentimen pada hari pertama crawling data menunjukkan data sentimen diangka 40 sentimen negatif dan positif, kemudian
IRPIIRPI Dari sisi penggunaan algoritma machine learning dapat disimpulkan bahwa Naïve Bayes Classifier dan Decision Tree dapat digunakan untuk menganalisis sentimenDari sisi penggunaan algoritma machine learning dapat disimpulkan bahwa Naïve Bayes Classifier dan Decision Tree dapat digunakan untuk menganalisis sentimen
LENTERADUALENTERADUA Analisis sentimen dengan metode NBC dapat digunakan untuk mengklasifikasi ujaran kebencian dalam tweet dengan hashtag pilpres 2019. Hasil akurasi terbaikAnalisis sentimen dengan metode NBC dapat digunakan untuk mengklasifikasi ujaran kebencian dalam tweet dengan hashtag pilpres 2019. Hasil akurasi terbaik
Useful /
CAHAYA ICCAHAYA IC Tujuan penelitian ini adalah untuk menganalisis kebutuhan pengembangan e-modul berbasis Problem-Based Learning (PBL) yang terintegrasi dengan Ethno-STEMTujuan penelitian ini adalah untuk menganalisis kebutuhan pengembangan e-modul berbasis Problem-Based Learning (PBL) yang terintegrasi dengan Ethno-STEM
CAHAYA ICCAHAYA IC Penerapan model Rasch terbukti efektif dalam mengukur kemampuan responden secara objektif serta mengidentifikasi item bermasalah. Instrumen ini memberikanPenerapan model Rasch terbukti efektif dalam mengukur kemampuan responden secara objektif serta mengidentifikasi item bermasalah. Instrumen ini memberikan
STMIK BANJARBARUSTMIK BANJARBARU Hasil simulasi menunjukkan bahwa metode SJF lebih efisien dalam mengurangi rata-rata waktu tunggu (4,71 menit) dan total waktu tunggu (80 menit) dibandingkanHasil simulasi menunjukkan bahwa metode SJF lebih efisien dalam mengurangi rata-rata waktu tunggu (4,71 menit) dan total waktu tunggu (80 menit) dibandingkan
IRPIIRPI Gempa bumi merupakan salah satu bencana alam yang sering terjadi di Indonesia dengan rata-rata 400 kali dalam sebulan. Gempa bumi disebabkan oleh pergerakanGempa bumi merupakan salah satu bencana alam yang sering terjadi di Indonesia dengan rata-rata 400 kali dalam sebulan. Gempa bumi disebabkan oleh pergerakan