Bahar, Gery Akhsan Syamsul (2024) Klasifikasi komentar positif dan negatif masyarakat terkait penyiaran berita pada LPP RRI Madiun menggunakan algoritma random forest / Gery Akhsan Syamsul Bahar. Diploma thesis, Universitas Negeri Malang.
Full text not available from this repository.Abstract
RRI Madiun adalah stasiun radio yang berada di bawah naungan Radio Republik Indonesia (RRI) sebuah lembaga penyiaran pemerintah di Indonesia. Terletak di kota Madiun Jawa Timur stasiun ini menjadi salah satu dari jaringan stasiun radio RRI yang tersebar di seluruh negeri. Sebagai upaya dalam mengembangkan kualitas layanan yang baik feedback dari masyarakat diperlukan untuk mengetahui kualitas serta perbaikan layanan yang dibutuhkan stasiun radio tersebut. Feedback dapat berupa komentar yang dapat dikategorikan menjadi komentar positif dan komentar negatif . Komentar positif dan negatif memiliki peran yang penting dalam layanan penyiaran seperti LPP RRI Madiun. Penggunaan komentar positif dan negatif menjadi bagian penting dalam membangun dan menjaga hubungan yang bermakna antara stasiun radio dan pendengar serta dalam memenuhi tujuan layanan penyiaran yang efektif. LPP RRI Madiun mewadahi komentar masyarakat melalui platform yang memungkinkan pendengar memberikan komentar tanggapan atau pendapat. Proses ini dilakukan melalui Google Form yang disebar melalui Youtube Channel LPP RRI Madiun. Penelitian akan menggunakan 3 (tiga) jenis data yaitu pada periode pandemi Covid-19 pasca pandemi dan gabungan antara periode pandemi dengan pasca pandemi Covid-19. Pengklasifikasian dilakukan dengan menggunakan algoritma Random Forest. Algoritma Random Forest melakukan klasifikasi berdasarkan pemilihan sejumlah pohon keputusan (decision trees) yang dibangun secara acak. Penelitian ini mengindikasikan bahwa sistem klasifikasi komentar positif dan negatif yang memanfaatkan algoritma Random Forest menunjukkan bahwa dengan parameter terbaik pada dataset periode pandemi berupa max_depth None min_samples_leaf 1 min_samples_split 2 n_estimators 50 mendapatkan hasil akurasi sebesar 91 76%. Pada dataset pasca menghasilkan nilai parameter terbaik max_depth None min_samples_leaf 1 min_samples_split 2 n_estimators 100 dengan akurasi 92 24% sedangkan dataset gabungan dari kedua periode tersebut menunjukkan hasil max_depth None min_samples_leaf 1 min_samples_split 2 n_estimators 50 berupa akurasi 90 43%. /p
| Item Type: | Thesis (Diploma) |
|---|---|
| Divisions: | Fakultas Teknik (FT) > Departemen Teknik Elektro (TE) > S1 Teknik Informatika |
| Depositing User: | library UM |
| Date Deposited: | 15 Jan 2024 04:29 |
| Last Modified: | 15 Jan 2025 02:21 |
| URI: | http://repository.um.ac.id/id/eprint/331027 |
Actions (login required)
 |
View Item |