Analisis sentimen untuk mengetahui tingkat kesedihan pada lagu didi kempot berdasarkan lirik menggunakan metode logistic regression / Syifa Annastiti - Repositori Universitas Negeri Malang

Analisis sentimen untuk mengetahui tingkat kesedihan pada lagu didi kempot berdasarkan lirik menggunakan metode logistic regression / Syifa Annastiti

Annastiti, Syifa Annastiti (2021) Analisis sentimen untuk mengetahui tingkat kesedihan pada lagu didi kempot berdasarkan lirik menggunakan metode logistic regression / Syifa Annastiti. Diploma thesis, Universitas Negeri Malang.

Full text not available from this repository.

Abstract

Dikenal dengan sebutan Godfather of Broken Heart sang musisi Didi Kempot kerap menulis dan menyanyikan lagu tentang patah hati. Penelitian yang akan dilakukan berkaitan dengan hubungan lirik lagu dan emosi sedih atau terkenal dengan sebutan ambyar yang terkandung di dalamnya. Pengelompokkan klasifikasi ini berdasarkan positif netral ataupun negatif. Negatif disini berarti terdapat perasaan sangat sedih dalam lirik lagu netral berarti adanya perasaan sedih dan positif berarti tidak adanya kesan sedih. Percobaan akan dilakukan terhadap dokumen lirik dengan jumlah data training dan data testing yang berbeda-beda sistem akan memproses pengelompokkan lirik berdasarkan emosi yang terkandung dengan menggunakan perhitungan kemiripan lirik antar dokumen. Selain itu ini adalah jenis pengolahan kata untuk melacak perasaan yang terkandung dalam topik tertentu termasuk dalam lirik lagu yang ditulis atau dinyanyikan seseorang.Penelitian ini secara umum terkait denganSentiment Analysisyang berkaitan dengan klasifikasi suatu pandangan berdasarkan perasaan. Metode yang digunakan pada klasifikasi adalah Logistic Regression. Dataset yang digunakan adalah kumpulan lagu Didi Kempot yang berasal dari berbagai sumber pada situs web. Hasil klasifikasi terbaik pada dataset terjemahan google dan dataset terjemahan pakar adalah pada skenario 90 10 dimana proses klasifikasi menggunakan 90% data training dan 10% data testing. Pada dataset terjemahan google didapatkan akurasi sebesar 92 54% sedangkan pada data terjemahan pakar adalah sebesar 93 82%.

Item Type: Thesis (Diploma)
Subjects: ?? ??
Divisions: Fakultas Teknik (FT) > Departemen Teknik Elektro (TE) > S1 Teknik Informatika
Depositing User: Users 2 not found.
Date Deposited: 08 Nov 2021 04:29
Last Modified: 09 Sep 2021 03:00
URI: http://repository.um.ac.id/id/eprint/192549

Actions (login required)

View Item View Item