Analisis Sentimen Terhadap Ulasan Anime Berbahasa Inggris pada Situs MyAnimeList dengan Menggunakan Metode Ekstraksi Fitur TF-IDF dan Klasifikasi Naïve Bayes - Dalam bentuk buku karya ilmiah

MOH. HABIBI AKBAR

Informasi Umum

Kode

24.04.2201

Klasifikasi

004 - Data processing, Computer science

Jenis

Karya Ilmiah - Skripsi (S1) - Reference

Subjek

Data Science

Dilihat

681 kali

Informasi Lainnya

Abstraksi

Anime telah menjadi hiburan yang semakin populer di seluruh dunia. Dalam era layanan streaming seperti Netflix, Crunchyroll, dan Funimation, semakin mudah bagi penggemar untuk mengakses beragam judul anime. MyAnimeList (MAL) adalah situs online populer bagi peminat anime dan manga untuk melacak judul favorit serta menulis ulasan. Penelitian bertujuan untuk menganalisis sentimen terhadap ulasan anime berbahasa Inggris dari berbagai judul anime. Penelitian menggunakan kombinasi metode ekstraksi fitur TF-IDF dan metode klasifikasi Naïve Bayes terhadap data ulasan anime dari situs MyAnimeList (MAL) dan dilanjutkan dengan melakukan perhitungan accuracy, precision, recall, dan F1-score untuk menentukan efektivitas dari analisis sentimen dengan menggunakan tiga skenario. Dataset yang digunakan dalam penelitian ini adalah data yang berasal dari website MyAnimeList dengan jumlah 1000 ulasan contoh dataset. Hasil penelitian menunjukkan pertama, bahwa analisis sentimen yang melalui proses stemming memiliki nilai confusion matrix yang lebih tinggi daripada lemmatization dengan F1-Score sebesar 65,04%. Kedua, penggunaan ekstraksi fitur dengan TF-IDF unigram lebih baik dari bigram dan trigram, dengan nilai F1-Score 66,13%, dan terakhir, penggunaan metode klasifikasi Naïve Bayes jenis Multinomial Naïve Bayeslebih baik daripada Gaussian Naïve Bayes dengan nilai F1-Score 63,33%.