Analisis sentimen untuk mengetahui tingkat kesedihan pada lagu didi kempot berdasarkan lirik menggunakan metode support vector machine / Popy Maulida Dewi - Repositori Universitas Negeri Malang

Analisis sentimen untuk mengetahui tingkat kesedihan pada lagu didi kempot berdasarkan lirik menggunakan metode support vector machine / Popy Maulida Dewi

Dewi, Popy Maulida Dewi (2021) Analisis sentimen untuk mengetahui tingkat kesedihan pada lagu didi kempot berdasarkan lirik menggunakan metode support vector machine / Popy Maulida Dewi. Diploma thesis, Universitas Negeri Malang.

Full text not available from this repository.

Abstract

Campursari merupakan jenis lagu Jawa yang terdiri dari berbagai ragam seni dan menjadi ciri khas bagi masyarakat tertentu khususnya masyarakat di wilayah Jawa bagian tengah hingga timur. Didi Kempot merupakan salah satu musisi yang sudah lama mengembangkan musik campursari. Melalui lagu-lagu ciptaannya Didi Kempot mendapat julukan sebagai ldquo Bapak Patah Hati Nasional rdquo atau ldquo The Godfather of Broken Heart rdquo . Lirik yang terdapat pada lagu Didi Kempot dapat mewakili perasaan seseorang yang sedang dirundung kasmaran hingga gagal dalam menjalin hubungan asmara. Lirik dapat dijadikan sebagai acuan klasifikasi untuk mengetahui tingkat kesedihan dari sebuah lagu. Berdasarkan karakteristik liriknya lagu akan dikelompokkan ke dalam tiga kategori yaitu tidak sedih sedih dan sangat sedih. Sebagai bagian dari text mining analisis sentimen mampu menjadi solusi untuk mengategorikan lagu secara otomatis. Pada penelitian ini akan dilakukan analisis sentimen untuk mengetahui tingkat kesedihan dari lagu-lagu Didi Kempot dengan menggunakan metode Support Vector Machine (SVM). Dataset yang digunakan adalah lirik terjemahan google dan pakar bahasa dengan sembilan skenario perbandingan data training dan data testing. Pada setiap skenario akan dilakukan sepuluh kali percobaan dan akan dihitung rata-ratanya untuk mengetahui hasil klasifikasi tertinggi. Dari penelitian yang telah dilakukan hasil klasifikasi menggunakan data terjemahan pakar bahasa mendapatkan hasil tertinggi pada skenario 9 perbandingan 90 10 dengan rata-rata nilai akurasi 92 36% presisi 93 36% recall 92 48% dan f1-score 92 39%.

Item Type: Thesis (Diploma)
Subjects: ?? ??
Divisions: Fakultas Teknik (FT) > Departemen Teknik Elektro (TE) > S1 Teknik Informatika
Depositing User: library UM
Date Deposited: 02 Nov 2021 04:29
Last Modified: 09 Sep 2021 03:00
URI: http://repository.um.ac.id/id/eprint/192551

Actions (login required)

View Item View Item