Fahruraji, Fahruraji (2024) Aplikasi Analisis Sentimen Komentar Pengguna Youtube Menggunakan Flask Python dengan Pre-Trained Model IndoBERT dan Support Vector Machine (SVM) (Studi Kasus Platform Merdeka Mengajar). Diploma thesis, Universitas Islam Kalimantan MAB.
![]() |
Text
Abstrak.pdf Download (239kB) |
![]() |
Text
Pengesahan Skripsi.pdf Download (89kB) |
![]() |
Text
Pernyataan Keaslian Skripsi.pdf Download (417kB) |
Abstract
Untuk mengatasi ketertinggalan pembelajaran akibat pandemi Covid-19, Kemendikbudristek meluncurkan kebijakan Kurikulum Merdeka yang berfokus pada materi esensial. Berbeda dengan kurikulum sebelumnya, para guru diarahkan untuk mempelajari kurikulum merdeka secara mandiri melalui Platform Merdeka Mengajar. Perubahan kebijakan ini mendapatkan berbagai tanggapan dan opini dari para guru yang diantaranya ada pada kolom komentar Youtube sebagai salah satu platform tempat Kemendikbudristek mensosialisasikan kebijakannya. Untuk membantu BPMP Provinsi Kalimantan Selatan sebagai UPT Kemendikbudristek untuk merumuskan strategi dalam melakukan advokasi kebijakan Kemendikbudristek ke pemerintah daerah dibuat sebuah aplikasi analisis sentimen pada komentar Youtube sehingga bisa diketahui kecenderungan sentimen publik terhadap kebijakan tersebut. Dari hasil analisis, komentar pengguna Youtube yang menanggapi kebijakan Platform Merdeka Mengajar sebagian besar adalah sentimen positif yaitu sebanyak 58,42%, sedangkan sentimen negatif hanya 18,68% dan sisanya netral. Mayoritas komentar positif untuk memberikan “apresiasi”, sedangkan komentar negatif untuk menyampaikan “kritik”. Algoritma pembelajaran mesin yang digunakan untuk analisis sentimen adalah Support Vector Machine (SVM) dan Pre-trained Model IndoBERT. Hasil komparasi menunjukkan IndoBERT memiliki akurasi lebih baik yaitu 83% untuk klasifikasi sentimen dan 79% untuk inten. Sedangkan SVM memiliki akurasi 80% untuk klasifikasi sentimen dan 68% untuk inten. Kedua model mengalami kesulitan memprediksi kelas ujaran kebencian karena proporsi data latih untuk kelas tersebut yang terlalu kecil. Disarankan penelitian selanjutnya menggunakan dataset pelatihan lebih banyak dan distribusi kelas lebih seimbang serta lakukan pengaturan hyperparameter untuk mendapatkan kinerja model yang lebih baik dan mengurangi potensi terjadinya overfitting
Item Type: | Thesis (Diploma) |
---|---|
Uncontrolled Keywords: | analisis sentimen, indobert, platform merdeka mengajar, support vector machine, youtube |
Subjects: | Q Science > QA Mathematics > QA75 Electronic computers. Computer science |
Depositing User: | Fahruraji |
Date Deposited: | 08 Jun 2024 02:04 |
Last Modified: | 08 Jun 2024 02:04 |
URI: | http://eprints.uniska-bjm.ac.id/id/eprint/23790 |
Actions (login required)
![]() |
View Item |