Lestari, Dwi Wahyu Puji (2018) Klasifikasi Video Clickbait pada Youtube Berdasarkan Analisis Sentimen Komentar Menggunakan Learning Vector Quantization (LVQ) dan Lexicon-Based Features. Sarjana thesis, Universitas Brawijaya.
Abstract
Clickbait adalah suatu konten di media sosial yang bertujuan untuk menarik perhatian dan memikat pengunjung situs agar dapat mengunjungi konten mereka dengan cara membuat umpan klik yaitu berupa judul yang menarik atau provokatif tetapi dengan isi konten yang biasanya tidak sesuai. Hal tersebut membuat pengunjung situs merasa tertipu dan kecewa sehingga mereka biasanya melampiaskan rasa kesalnya dengan menuliskan komentar atau opini (dokumen, kata, kalimat) yang bersifat positif ataupun negatif. Dokumen teks yang digunakan pada penelitian ini berasal dari komentar YouTube yang berkaitan dengan konten clickbait dan non clickbait yang berbahasa Indonesia. Penelitian ini menggunakan metode Learning Vector Quantization (LVQ) dan Lexicon-Based Features sebagai pembobotan kata selain menggunakan TF-IDF. Data yang digunakan pada penelitian ini sejumlah 300 data yang terdiri dari dua jenis data yaitu data latih dan data uji dengan perbandingan 70% data latih dan 30% data uji. Akurasi sistem yang diperoleh dari hasil klasifikasi dengan metode Learning Vector Quantization tanpa Lexicon-Based Features sebesar 54,5454%, precision sebesar 1, recall sebesar 0,1667, dan f-measure sebesar 0,2858. Hasil akurasi sistem dengan menggunakan Learning Vector Quantization dan Lexicon-Based Features sebesar 90,9091%, precision sebesar 0,8571, recall sebesar 1, dan f-measure sebesar 0,9231 sehingga dapat disimpulkan bahwa metode Learning Vector Quantization dan Lexicon- Based Features dapat digunakan untuk klasifikasi sentimen.
English Abstract
Clickbait is social media content that aims to attract website visitors in order to visit their content by creating clickbait in form of appealing or provoking title but with irrelevant content. It makes the visitor decieved and disappointed, so they usually vent their frustation by writing their positive or negative opinion on the comment section. The document that is used in the research comes from YouTube comments that is related with Indonesian clickbait and non-clickbait content. This research used Learning Vector Quantization (LVQ) method and Lexicon-Based Features as word weighting other than using TF-IDF. This research uses 300 data consisting 2 type of data, training and testing data with the ratio of 70% training data and 30% testing data. The accuracy of the system that is obtained by classification using LVQ without Lexicon-Based Features is 54.54%, 1 precission, 0.1667 recall and 0.2858 f-measure. The result of the accuracy of the system using LVQ and Lexicon-Based Features is 90.91%, 0.8571 precission, 1 recall, and 0.9231 f-measure. The conclution is that LVQ method and Lexicon-Based Features can be used for sentiment classification.
| Item Type: | Thesis (Sarjana) |
|---|---|
| Identification Number: | SKR/FTIK/2018/834/051811215 |
| Uncontrolled Keywords: | klasifikasi, video clickbait, YouTube, analisis sentimen, Learning Vector Quantization, Lexicon-Based Features classification, clickbait video, YouTube, sentiment analysis, Learning Vector Quantization, Lexicon-Based Features |
| Subjects: | 300 Social sciences > 302 Social interaction > 302.3 Social interaction within groups > 302.302 85 Computer aplications |
| Divisions: | Fakultas Ilmu Komputer > Teknik Informatika |
| Depositing User: | Budi Wahyono Wahyono |
| Date Deposited: | 02 Apr 2019 02:41 |
| Last Modified: | 22 Oct 2021 07:20 |
| URI: | http://repository.ub.ac.id/id/eprint/14109 |
Preview |
Text
Dwi Wahyu Puji Lestari.pdf Download (2MB) | Preview |
Actions (login required)
 |
View Item |