SOFA, NADYA RAUDATHUL (2026) ANALISIS SENTIMEN PUBLIK TERHADAP FENOMENA BODY SHAMING DI MEDIA SOSIAL X MENGGUNAKAN ALGORITMA EXTREME GRADIENT BOOSTING. S1 thesis, Universitas malikussaleh.

	Text Cover SKRIPSI NADYA RAUDATHUL SOFA (15).pdf Download (181kB)
	Text Abstrak SKRIPSI NADYA RAUDATHUL SOFA (15).pdf Download (173kB)
	Text BAB I SKRIPSI NADYA RAUDATHUL SOFA (15).pdf Download (409kB)
	Text Dapus SKRIPSI NADYA RAUDATHUL SOFA (15).pdf Download (411kB)
	Text SKRIPSI NADYA RAUDATHUL SOFA (15).pdf Restricted to Registered users only Download (3MB)

Abstract

ABSTRAK Fenomena body shaming di media sosial X (Twitter) semakin marak terjadi dan menimbulkan berbagai dampak psikologis bagi korbannya. Tingginya aktivitas pengguna media sosial menyebabkan penyebaran komentar negatif terkait bentuk tubuh semakin sulit dikendalikan. Oleh karena itu, diperlukan sistem yang mampu melakukan analisis sentimen secara otomatis untuk mengetahui opini publik terhadap fenomena tersebut. Penelitian ini bertujuan untuk menerapkan algoritma Extreme Gradient Boosting (XGBoost) dalam mengklasifikasikan sentimen publik terhadap fenomena body shaming di media sosial X serta mengetahui hasil analisis sentimen yang diperoleh. Data penelitian dikumpulkan menggunakan teknik web scraping melalui Tweet Harvest dan menghasilkan 1.383 tweet berbahasa Indonesia yang kemudian diklasifikasikan secara manual ke dalam tiga kelas sentimen, yaitu positif, negatif, dan netral. Tahap text preprocessing meliputi case folding, cleansing, tokenizing, normalisasi, dan filtering tanpa penerapan stemming karena terbukti menurunkan performa model pada data teks media sosial. Pembobotan fitur dilakukan menggunakan metode TF-IDF, sedangkan pembagian data menggunakan rasio 80:20 dengan penerapan Random Over Sampling (ROS) untuk mengatasi ketidakseimbangan kelas. Model XGBoost dibangun menggunakan parameter n_estimators = 300, learning_rate = 0,05, dan max_depth = 5. Hasil evaluasi menggunakan confusion matrix menunjukkan nilai akurasi sebesar 80,14%, dengan nilai F1-score pada kelas negatif sebesar 0.85, kelas netral sebesar 0.69, dan kelas positif sebesar 0.80. Hasil penelitian menunjukkan bahwa algoritma XGBoost mampu mengklasifikasikan sentimen publik terhadap fenomena body shaming dengan kinerja yang cukup baik. Selain itu, sistem analisis sentimen berbasis web berhasil diimplementasikan untuk memudahkan proses klasifikasi secara otomatis dan terstruktur. Kata Kunci: Body Shaming, Analisis Sentimen, Media Sosial X, Extreme Gradient Boosting, Term Frequency-Inverse Document Frequency

Item Type:	Thesis (S1)
Subjects:	Q Science > QA Mathematics > QA75 Electronic computers. Computer science T Technology > T Technology (General)
Divisions:	Fakultas Teknik > 55201 - Jurusan Teknik Informatika
Depositing User:	Nadya Raudathul Sofa Hutasuhut
Date Deposited:	03 Sep 2026 03:39
Last Modified:	03 Sep 2026 03:39
URI:	https://rama.unimal.ac.id/id/eprint/22203

Actions (login required)

View Item