Maulana, Muhammad Sigra (2024) IMPLEMENTASI ALGORITMA LATENT DIRICHLET ALLOCATION (LDA) UNTUK ANALISA SENTIMEN REAKSI SETUJU DAN TIDAK SETUJU KOMENTAR VIDIO REKOMENDASI SMARTPHONE TAHUN 2022 (STUDI KASUS : VIDIO GATGETIN). S1 thesis, Universitas Malikussaleh.

	Text cover.pdf Download (36kB)
	Text Abstrak.pdf Download (123kB)
	Text bab1.pdf Download (211kB)
	Text daftarpustaka.pdf Download (129kB)
	Text Skripsi_Sigra_190170139.pdf Restricted to Registered users only Download (3MB)

Abstract

Teknologi informasi memainkan peran krusial dalam industri smartphone yang terus berkembang, khususnya dalam memahami sentimen konsumen dari komentar-komentar pada video rekomendasi smartphone GadgetIn tahun 2022. Pemodelan topik Latent Dirichlet Allocation (LDA) diterapkan untuk menghadapi tantangan pengelolaan data teks tidak terstruktur yang melimpah. Analisis sentimen dilakukan dengan mengekstraksi pandangan setuju dan tidak setuju dari komentar, yang kemudian memberikan wawasan tentang persepsi konsumen terhadap produk tertentu. Data scraping dari komentar YouTube memungkinkan identifikasi merek dan tipe smartphone yang menjadi fokus diskusi, serta pengelompokan komentar berdasarkan sentimen positif atau negatif. Proses yang menggunakan 20 komentar yang dianalisis terkait merek seperti Samsung, Redmi, Realme, Vivo, dan Xiaomi, hasil menunjukkan bahwa reaksi positif mendominasi dengan tingkat kecocokan analisis LDA terhadap penilaian manual antara 20%-75%. LDA terbukti mampu memproses dan menginterpretasikan sentimen dengan akurasi yang bervariasi tergantung pada konteks merek yang dibahas. Rata-rata kecocokan sebesar 43% menunjukkan potensi besar LDA dalam mendekatkan pemahaman mesin terhadap sentimen manusia, meskipun masih ada ruang untuk penyempurnaan. Temuan ini memberikan panduan bagi produsen dan penjual smartphone dalam merumuskan strategi pemasaran yang lebih tepat sasaran dan dalam pengembangan produk yang lebih selaras dengan preferensi konsumen. Pengembangan lebih lanjut di bidang Natural Language Processing juga ditekankan untuk mendukung pengambilan keputusan bisnis yang lebih berbasis data. Kata Kunci: LDA, Smartphone, Analisa, Sentimen, Merek, Tipe

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:	Muhammad SIgra Maulana
Date Deposited:	27 Dec 2024 02:27
Last Modified:	27 Dec 2024 02:27
URI:	https://rama.unimal.ac.id/id/eprint/8909

Actions (login required)

View Item