Analisis sentimen untuk mengetahui tingkat kesedihan pada lagu didi kempot berdasarkan lirik menggunakan metode multinomial naive bayes (mnb) / Syavira Laili Damayanti - Repositori Universitas Negeri Malang

Analisis sentimen untuk mengetahui tingkat kesedihan pada lagu didi kempot berdasarkan lirik menggunakan metode multinomial naive bayes (mnb) / Syavira Laili Damayanti

Damayanti, Syavira Laili Damayanti (2021) Analisis sentimen untuk mengetahui tingkat kesedihan pada lagu didi kempot berdasarkan lirik menggunakan metode multinomial naive bayes (mnb) / Syavira Laili Damayanti. Diploma thesis, Universitas Negeri Malang.

Full text not available from this repository.

Abstract

Didi Kempot merupakan salah satu pencipta lagu-lagu campursari yang saat ini banyak digemari semua kalangan di berbagai usia. Lagu-lagu ciptaan Didi Kempot dikenal sebagai lagu-lagu yang bertemakan percintaan yang sedih hingga beliau mendapat julukan sebagai ldquo The Godfather Of Broken Heart rdquo . Oleh karena itu lirik dari lagu-lagu Didi Kempot ini dapat dijadikan sebagai sentimen masyarakat yang dapat dianalisis menggunakan metode text mining untuk mengetahui tingkat kesedihan (ke-ambyar-an) dari lagu-lagu tersebut. Lirik lagu Didi Kempot inilah yang kemudian akan digunakan sebagai dataset dalam penelitian ini untuk dilakukan proses klasifikasi apakah suatu lagu termasuk dalam kategori lagu tidak sedih sedih atau sangat sedih.Pada penelitian ini digunakan 2 tipe data yakni data hasil terjemahan google dan data hasil terjemahan pakar. Model klasifikasi yang digunakan dalam penelitian ini adalah Multinomial Naive Bayes. Dalam penelitian ini digunakan 9 skenario perbandingan data latih dan data uji dalam proses pengujian. Dari 9 skenario tersebut didapatkan tingkat akurasi yang terbaik untuk data hasil terjemahan pakar dengan nilai sebesar 89% dan untuk data hasil terjemahan google dengan nilai akurasi sebesar 85% pada perbandingan 90 10 yang berarti 90% dataset digunakan sebagai data latih dan 10% dataset digunakan sebagai data uji.

Item Type: Thesis (Diploma)
Subjects: ?? ??
Divisions: Fakultas Teknik (FT) > Departemen Teknik Elektro (TE) > S1 Teknik Informatika
Depositing User: Users 2 not found.
Date Deposited: 09 Nov 2021 04:29
Last Modified: 09 Sep 2021 03:00
URI: http://repository.um.ac.id/id/eprint/196415

Actions (login required)

View Item View Item