ANALISIS SENTIMEN KOMENTAR TIKTOK TERHADAP KEBIJAKAN WORK FROM HOME HARI JUMAT BAGI APARATUR SIPIL NEGARA MENGGUNAKAN METODE NAIVE BAYES

Amrizal, Muhammad (2026) ANALISIS SENTIMEN KOMENTAR TIKTOK TERHADAP KEBIJAKAN WORK FROM HOME HARI JUMAT BAGI APARATUR SIPIL NEGARA MENGGUNAKAN METODE NAIVE BAYES. Diploma thesis, Institut Teknologi PLN.

[thumbnail of Cover.pdf] Text
Cover.pdf

Download (34kB)
[thumbnail of Lembar Pengesahan.pdf] Text
Lembar Pengesahan.pdf

Download (226kB)
[thumbnail of Abstrak.pdf] Text
Abstrak.pdf

Download (11kB)
[thumbnail of BAB I.pdf] Text
BAB I.pdf

Download (27kB)
[thumbnail of BAB II.pdf] Text
BAB II.pdf

Download (446kB)
[thumbnail of BAB III.pdf] Text
BAB III.pdf
Restricted to Registered users only

Download (651kB)
[thumbnail of BAB IV.pdf] Text
BAB IV.pdf
Restricted to Registered users only

Download (885kB)
[thumbnail of BAB V.pdf] Text
BAB V.pdf
Restricted to Registered users only

Download (10kB)
[thumbnail of Daftar Pustaka.pdf] Text
Daftar Pustaka.pdf

Download (154kB)

Abstract

Perkembangan media sosial, khususnya TikTok, menyediakan ruang bagi masyarakat untuk menyampaikan tanggapan terhadap kebijakan pemerintah, termasuk kebijakan work from home hari Jumat bagi Aparatur Sipil Negara. Banyaknya komentar yang diberikan menyebabkan analisis secara manual menjadi kurang efektif sehingga diperlukan metode analisis sentimen berbasis pembelajaran mesin. Penelitian ini bertujuan untuk menganalisis sentimen komentar pada video TikTok mengenai kebijakan tersebut serta mengevaluasi kinerja metode Multinomial Naive Bayes. Data penelitian diperoleh dari satu video TikTok melalui proses web scraping. Sebanyak 7.914 komentar diproses melalui tahapan prapemrosesan teks, pelabelan otomatis menggunakan IndoBERT, penyaringan berdasarkan nilai kepercayaan sebesar 0,90, pembobotan TF-IDF, penyeimbangan data menggunakan SMOTE, seleksi fitur Chi-Square, dan klasifikasi menggunakan Multinomial Naive Bayes. Setelah penyaringan, diperoleh 4.695 komentar yang terdiri atas 2.790 sentimen negatif, 1.023 sentimen positif, dan 882 sentimen netral. Evaluasi terhadap 939 data uji menghasilkan akurasi sebesar 75,72 persen, precision berbobot sebesar 75,19 persen, recall berbobot sebesar 75,72 persen, dan F1-score berbobot sebesar 75,30 persen. Hasil tersebut menunjukkan bahwa Multinomial Naive Bayes cukup efektif digunakan untuk mengklasifikasikan sentimen komentar TikTok pada topik penelitian ini.

Item Type: Thesis (Diploma)
Uncontrolled Keywords: Analisis Sentimen,WFH Jumat,ASN, TikTok, IndoBERT, TF-IDF, Naive Bayes
Subjects: Bidang Keilmuan > Algoritma
Bidang Keilmuan > Data Analytics
Bidang Keilmuan > Data Mining
Bidang Keilmuan > Data Science
Bidang Keilmuan > Deep learning
Bidang Keilmuan > Machine Learning
Skripsi
Bidang Keilmuan > Teknik Informatika
Divisions: Fakultas Telematika Energi > S1 Teknik Informatika
Depositing User: FAKULTAS TELEMATIKA ENERGI
Date Deposited: 07 Sep 2026 03:00
Last Modified: 22 Sep 2026 06:59
URI: https://repository.itpln.ac.id/id/eprint/8010

Actions (login required)

View Item
View Item