ANALISIS SENTIMEN KOMENTAR YOUTUBE PADA VIDEO BENCANA BANJIR BANDANG SUMATERA MENGGUNAKAN METODE LONG SHORT-TERM MEMORY (LSTM)

Ramadhan, Adithyo (2026) ANALISIS SENTIMEN KOMENTAR YOUTUBE PADA VIDEO BENCANA BANJIR BANDANG SUMATERA MENGGUNAKAN METODE LONG SHORT-TERM MEMORY (LSTM). Skripsi (Bachelor) thesis, Universitas Muhammadiyah Bengkulu.

[img] Text (Fulltext)
Adithyo Ramadhan_2255201216_fulltext.pdf - Submitted Version
Restricted to Repository staff only
Download (1MB) | Request a copy
[img] Text (Turnitin)
Adithyo Ramadhan_2255201216_turnitin.pdf - Submitted Version
Restricted to Repository staff only
Download (2MB) | Request a copy
[img] Text (Abstrak+Bab 1)
Adithyo Ramadhan_2255201216_abstrak+bab I.pdf - Submitted Version
Download (495kB)
[img] Text (Bab 2)
Adithyo Ramadhan_2255201216_bab II.pdf - Submitted Version
Download (202kB)
[img] Text (Bab 3)
Adithyo Ramadhan_2255201216_bab III.pdf - Submitted Version
Restricted to Repository staff only
Download (200kB) | Request a copy
[img] Text (Bab 4)
Adithyo Ramadhan_2255201216_bab IV.pdf - Submitted Version
Restricted to Repository staff only
Download (725kB) | Request a copy
[img] Text (Bab 5)
Adithyo Ramadhan_2255201216_bab V.pdf - Submitted Version
Download (121kB)
[img] Text (Referensi+Lampiran)
Adithyo Ramadhan_2255201216_dapus+lamp.pdf - Submitted Version
Download (109kB)

Abstract

Peristiwa banjir bandang di Sumatera menimbulkan berbagai tanggapan masyarakat yang banyak disampaikan melalui komentar pada platform YouTube. Komentar tersebut mengandung opini, kritik, dukungan, serta ekspresi emosional yang dapat dianalisis untuk mengetahui kecenderungan sentimen publik terhadap peristiwa bencana. Penelitian ini bertujuan untuk menganalisis sentimen komentar YouTube terkait video bencana banjir bandang di Sumatera menggunakan metode Long Short-Term Memory (LSTM). Data penelitian diperoleh melalui YouTube Data API v3 sebanyak 6.097 komentar berbahasa Indonesia. Tahapan penelitian meliputi pengumpulan data, preprocessing yang terdiri dari cleaning, case folding, normalisasi kata, tokenization, stopword removal, dan stemming, pelabelan sentimen menggunakan metode lexicon-based, pembagian data dengan rasio 80% data latih dan 20% data uji, serta proses klasifikasi menggunakan model LSTM. Hasil pelabelan menunjukkan bahwa sentimen negatif mendominasi dengan 2.234 komentar (37,69%), diikuti sentimen positif sebanyak 2.011 komentar (33,93%), dan sentimen netral sebanyak 1.682 komentar (28,38%). Berdasarkan hasil evaluasi, model LSTM memperoleh nilai akurasi sebesar 77,64%, precision 78,26%, recall 77,55%, dan F1-score 77,45%. Hasil penelitian menunjukkan bahwa metode Long Short-Term Memory (LSTM) mampu mengklasifikasikan sentimen komentar YouTube dengan cukup baik serta efektif digunakan untuk menggambarkan opini masyarakat terhadap peristiwa bencana banjir bandang secara otomatis dan objektif.

Item Type: Thesis (Skripsi (Bachelor))
Additional Information: Pembimbing : Harry Witriyono, S.P.,M.Kom.
Uncontrolled Keywords: Analisis Sentimen, YouTube, Banjir Bandang Sumatera, Deep Learning, Long Short-Term Memory (LSTM).
Subjects: Universitas Muhammadiyah Bengkulu > 02-Fakultas Teknik > 55201-(S1) Teknik Informatika
02-Fakultas Teknik > 55201-(S1) Teknik Informatika
Divisions: 02-Fakultas Teknik > 55201-(S1) Teknik Informatika
Subjek Terkait > 02-Fakultas Teknik > 55201-(S1) Teknik Informatika
Depositing User: Mrs Hesti Ayu
Date Deposited: 29 Aug 2026 06:12
Last Modified: 29 Aug 2026 06:12
URI: http://repository.umb.ac.id/id/eprint/3299

Actions (login required)

View Item View Item