Skripsi

Klasifikasi komentar positif dan negatif masyarakat terkait penyiaran berita pada LPP RRI Madiun menggunakan algoritma support vector machine (SWM) / Enrico Indra Sakti Yohana

Abstrak
Radio Republik Indonesia (RRI) adalah jaringan stasiun radio atau lembaga penyiaran publik yang cukup besar dan masih banyak pendengarnya hingga saat ini terutama pada periode Covid-19 jumlah pendengar yang mendengarkan radio juga meningkat dikarenakan perlakuan pembatasan kegiatan masyarakat (PPKM) yang mengharuskan masyarakat untuk lebih banyak dirumah. RRI Madiun terletak di kota Madiun Jawa Timur stasiun radio ini menjadi salah satu dari jaringan stasiun radio RRI yang tersebar di seluruh negeri. Di era digital dan perkembangan teknologi informasi jejaring sosial dan platform daring menjadikan masyarakat untuk menyampaikan pendapatnya dengan lebih mudah oleh karena itu LPP RRI Madiun telah mewadahi komentar masyarakat melalui media berupa google form yang disebar melalui Youtube Channel LPP RRI Madiun namun penggunaan komentar tersebut masih belum digunakan dengan efektif sebagaimana mestinya. Komentar masyarakat terhadap siaran berita di LPP RRI Madiun dapat mencerminkan pandangan pendapat dan reaksi mereka terhadap siaran berita pada periode yang berbeda. Oleh karena itu penting untuk menganalisis komentar-komentar tersebut untuk memahami perasaan orang baik positif maupun negatif. Komentar yang telah diberikan oleh masyarakat juga dapat memiliki sentimen positif maupun negatif tergantung pada persepsi pandangan serta apa yang mereka dengar terhadap isi berita oleh LPP RRI Madiun. Penelitian ini akan menggunakan 3 (tiga) jenis data yaitu pada periode Covid-19 setelah periode Covid-19 dan gabungan dari kedua periode tersebut. Pengklasifikasian dilakukan dengan menggunakan algoritma Support Vector Machine. Algoritma Support Vector Machine melakukan klasifikasi dengan mencari hyperplane paling optimal dalam ruang berdimensi N. Dari hasil penelitian menunjukkan bahwa dengan menggunakan grid search ditemukan bahwa kombinasi parameter terbaik pada semua dataset adalah sama yaitu degree 2 gamma scale kernel rbf nu 0.3 dan mendapatkan hasil akurasi presisi recall sebesar 93 41% pada dataset era Covid-19. Pada dataset pasca Covid-19 mendapatkan akurasi presisi recall sebesar 97.96% dan pada dataset gabungan kedua periode menghasilkan akurasi 90 23% presisi 90 63% dan recall 90 23%.

Informasi Detail

DDC

SKRIPSI DIGITAL

Prodi

Universitas Negeri Malang. Program Studi Teknik Informatika, 2024.

Deskripsi Fisik

xv,52 hlm. : ilus.

Bahasa

Indonesia

No Reg

0326/RS/24

Edisi

Skripsi (Sarjana)--Universitas Negeri Malang. 2024

Subjek

1. INFORMATIKA - SUPPORT VECTOR MACHINE

Pembimbing

1. Harits Ar Rosyid, S.t., M.t., Ph.d

Lampiran Berkas