PERBANDINGAN METODE NAÃVE BAYES DAN SUPPORT VECTOR MACHINE UNTUK ANALISIS SENTIMEN KOMENTAR YOUTUBE TENTANG KURIKULUM MERDEKA
Total View This Week0
Total View This Week0
Institusion
Universitas Maritim Raja Ali Haji
Author
PUTRA, RIZKY RAMADHANI KALINGGA
Nurfalinda, Nurfalinda
Ritha, Nola
Nurfalinda, Nurfalinda
Ritha, Nola
Subject
006.3 Artificial Intelligence/Kecerdasan Buatan
Datestamp
2025-02-04 07:21:03
Abstract :
Kurikulum Merdeka dirancang untuk mendukung pemulihan pembelajaran akibat pandemi Covid-19 dan mengejar ketertinggalan pendidikan Indonesia. Namun, penerapannya memunculkan berbagai opini yang perlu dianalisis sentimennya untuk menentukan apakah bersifat positif, negatif, atau netral. Penelitian ini membandingkan kinerja model klasifikasi Naïve Bayes dan Support Vector Machine (SVM) dalam analisis sentimen komentar YouTube tentang Kurikulum Merdeka berdasarkan metrik Accuracy, Precision, Recall, Specificity, dan F1-Score, serta membandingkan waktu pelatihan dan prediksi kedua model. Hasil penelitian menunjukkan bahwa SVM memiliki kinerja model klasifikasi lebih baik dengan Accuracy 85,71%, Precision 55,09%, Recall 57,46%, Specificity 84,44%, dan F1-Score 56,25%, dibandingkan Naïve Bayes yang mencapai Accuracy 79,59%, Precision 53,80%, Recall 46,35%, Specificity 76,22%, dan F1-Score 49,80%. Namun, Naïve Bayes lebih unggul dalam kecepatan, dengan waktu pelatihan sekitar 1,8640 detik dan prediksi 0,2021 detik. Sementara itu, SVM memerlukan waktu pelatihan sekitar 1,9492 detik dan prediksi 5,3144 detik. Dengan demikian, SVM lebih direkomendasikan untuk analisis sentimen yang memerlukan hasil klasifikasi yang lebih akurat, sedangkan Naïve Bayes lebih direkomendasikan untuk analisis sentimen yang memerlukan waktu pelatihan dan prediksi yang lebih cepat.
Kurikulum Merdeka dirancang untuk mendukung pemulihan pembelajaran akibat pandemi Covid-19 dan mengejar ketertinggalan pendidikan Indonesia. Namun, penerapannya memunculkan berbagai opini yang perlu dianalisis sentimennya untuk menentukan apakah bersifat positif, negatif, atau netral. Penelitian ini membandingkan kinerja model klasifikasi Naïve Bayes dan Support Vector Machine (SVM) dalam analisis sentimen komentar YouTube tentang Kurikulum Merdeka berdasarkan metrik Accuracy, Precision, Recall, Specificity, dan F1-Score, serta membandingkan waktu pelatihan dan prediksi kedua model. Hasil penelitian menunjukkan bahwa SVM memiliki kinerja model klasifikasi lebih baik dengan Accuracy 85,71%, Precision 55,09%, Recall 57,46%, Specificity 84,44%, dan F1-Score 56,25%, dibandingkan Naïve Bayes yang mencapai Accuracy 79,59%, Precision 53,80%, Recall 46,35%, Specificity 76,22%, dan F1-Score 49,80%. Namun, Naïve Bayes lebih unggul dalam kecepatan, dengan waktu pelatihan sekitar 1,8640 detik dan prediksi 0,2021 detik. Sementara itu, SVM memerlukan waktu pelatihan sekitar 1,9492 detik dan prediksi 5,3144 detik. Dengan demikian, SVM lebih direkomendasikan untuk analisis sentimen yang memerlukan hasil klasifikasi yang lebih akurat, sedangkan Naïve Bayes lebih direkomendasikan untuk analisis sentimen yang memerlukan waktu pelatihan dan prediksi yang lebih cepat.
File :
RIZKY_RAMADHANI_KALINGGA_PUTRA_2101020040_Teknik_Informatika - Cover.pdf
RIZKY_RAMADHANI_KALINGGA_PUTRA_2101020040_Teknik_Informatika - Abstrak.pdf
RIZKY_RAMADHANI_KALINGGA_PUTRA_2101020040_Teknik_Informatika - BAB I.pdf
RIZKY_RAMADHANI_KALINGGA_PUTRA_2101020040_Teknik_Informatika - Daftar Pustaka.pdf
RIZKY_RAMADHANI_KALINGGA_PUTRA_2101020040_Teknik_Informatika - Full Teks.pdf
Download
book
BibTex
Latex, Jabref
cloud_download
Original Resource
url resource Institution
