Klasifikasi Video Clickbait pada Youtube Berdasarkan Analisis Sentimen Komentar Menggunakan Learning Vector Quantization (LVQ) dan Lexicon-Based Features
| Main Author: | Lestari, Dwi Wahyu Puji |
|---|---|
| Format: | Thesis NonPeerReviewed Book |
| Bahasa: | eng |
| Terbitan: |
, 2018
|
| Subjects: | |
| Online Access: |
http://repository.ub.ac.id/14109/1/Dwi%20Wahyu%20Puji%20Lestari.pdf http://repository.ub.ac.id/14109/ |
Daftar Isi:
- Clickbait adalah suatu konten di media sosial yang bertujuan untuk menarik perhatian dan memikat pengunjung situs agar dapat mengunjungi konten mereka dengan cara membuat umpan klik yaitu berupa judul yang menarik atau provokatif tetapi dengan isi konten yang biasanya tidak sesuai. Hal tersebut membuat pengunjung situs merasa tertipu dan kecewa sehingga mereka biasanya melampiaskan rasa kesalnya dengan menuliskan komentar atau opini (dokumen, kata, kalimat) yang bersifat positif ataupun negatif. Dokumen teks yang digunakan pada penelitian ini berasal dari komentar YouTube yang berkaitan dengan konten clickbait dan non clickbait yang berbahasa Indonesia. Penelitian ini menggunakan metode Learning Vector Quantization (LVQ) dan Lexicon-Based Features sebagai pembobotan kata selain menggunakan TF-IDF. Data yang digunakan pada penelitian ini sejumlah 300 data yang terdiri dari dua jenis data yaitu data latih dan data uji dengan perbandingan 70% data latih dan 30% data uji. Akurasi sistem yang diperoleh dari hasil klasifikasi dengan metode Learning Vector Quantization tanpa Lexicon-Based Features sebesar 54,5454%, precision sebesar 1, recall sebesar 0,1667, dan f-measure sebesar 0,2858. Hasil akurasi sistem dengan menggunakan Learning Vector Quantization dan Lexicon-Based Features sebesar 90,9091%, precision sebesar 0,8571, recall sebesar 1, dan f-measure sebesar 0,9231 sehingga dapat disimpulkan bahwa metode Learning Vector Quantization dan Lexicon- Based Features dapat digunakan untuk klasifikasi sentimen.