ANALISIS PERBANDINGAN SENTIMEN ULASAN LAGU POPULER PADA KARYA TAYLOR SWIFT, RIHANNA, DAN ADELE MENGGUNAKAN METODE NLP DAN MACHINE LEARNING

Haniffah Sri Rinjani (2024) ANALISIS PERBANDINGAN SENTIMEN ULASAN LAGU POPULER PADA KARYA TAYLOR SWIFT, RIHANNA, DAN ADELE MENGGUNAKAN METODE NLP DAN MACHINE LEARNING. PROGRAM STUDI SARJANA TEKNOLOGI INFORMASI FAKULTAS SAINS DAN TEKNOLOGI UNIVERSITAS SARI MULIA BANJARMASIN 2024.

Text SKRIPSI-Haniffah Sri Rinjani - Haniffah Sri Rinjani.pdf Download (9MB)

Abstract

Secara umum musik merupakan salah satu media ungkapan kesenian, dan juga mencerminkan kebudayaan masyarakat pendukungnya. Di dalam musik terkandung nilai dan norma- norma yang menjadi bagian dari proses enkulturasi budaya, baik dalam bentuk formal maupun informal. Analisis sentimen juga dapat disebut proses menggunakan teknik dan metode komputasional untuk memahami dan mengevaluasi opini, sikap, atau emosi yang terkandung dalam teks atau data lainnya. Tujuan: Penelitian ini bertujuan menggabungkan pemrosessan NLP dan Machine Learning dalam menganalisa performa serta menganalisis variable yang mempengaruhi sentiment. Data yang diambil mencakup teks-teks ulasan, penilaian (rating), dan konteks terkait. Metode: Evaluasi model dilakukan menggunakan metrik akurasi, precision, dan recall untuk masing-masing artis dengan algoritma SVM. Hasil: Hasil evaluasi menunjukkan bahwa model BERT memiliki performa sempurna (akurasi, precision, dan recall sebesar 1.0) untuk data Taylor Swift dan Adele. Namun, untuk data Rihanna, akurasi dan recall adalah 0.5, sementara precision tetap 1.0. Rata-rata akurasi, precision, dan recall adalah masing-masing 0.833, 1.0, dan 0.833. Simpulan: Akurasi dan precision untuk Taylor Swift dan Adele juga tinggi, tetapi recall sedikit lebih rendah dibandingkan BERT. Untuk data Rihanna, performa SVM lebih baik dalam mendeteksi kasus positif dibandingkan dengan BERT, namun precision-nya sedikit lebih rendah. Rata-rata keseluruhan menunjukkan bahwa SVM memiliki akurasi dan recall yang lebih seimbang di seluruh dataset dibandingkan BERT.

Actions (login required)

View Item