SISTEM PREDIKSI REAKSI EMOSI PEMBACA TERHADAP KONTEN BERITA MENGGUNAKAN NAÏVE BAYES CLASSIFIER (NBC)

Alamanda, Evilia (2016) SISTEM PREDIKSI REAKSI EMOSI PEMBACA TERHADAP KONTEN BERITA MENGGUNAKAN NAÏVE BAYES CLASSIFIER (NBC). S1 thesis, Universitas Pendidikan Indonesia.

[img]
Preview
Text
S_KOM_1200149_Title.pdf

Download (12kB) | Preview
[img]
Preview
Text
S_KOM_1200149_Abstract.pdf

Download (125kB) | Preview
[img]
Preview
Text
S_KOM_1200149_Table_of_content.pdf

Download (152kB) | Preview
[img]
Preview
Text
S_KOM_1200149_Chapter1.pdf

Download (82kB) | Preview
[img] Text
S_KOM_1200149_Chapter2.pdf
Restricted to Staf Perpustakaan

Download (419kB)
[img]
Preview
Text
S_KOM_1200149_Chapter3.pdf

Download (159kB) | Preview
[img] Text
S_KOM_1200149_Chapter4.pdf
Restricted to Staf Perpustakaan

Download (575kB)
[img]
Preview
Text
S_KOM_1200149_Chapter5.pdf

Download (72kB) | Preview
[img]
Preview
Text
S_KOM_1200149_Bibliography.pdf

Download (74kB) | Preview
[img] Text
S_KOM_1200149_Appendix.pdf
Restricted to Staf Perpustakaan

Download (437kB)
Official URL: http://repository.upi.edu

Abstract

Konsumsi informasi berita yang semakin tinggi telah menjadi kebutuhan bagi masyarakat. Saat ini situs-situs web yang mempublikasikan konten berita telah menyediakan fitur rating reaksi pembaca terhadap konten berita. Fitur ini bertujuan agar user yang telah memasang artikel dapat mengetahui reaksi dari pembaca setelah membaca artikel tersebut. Dengan semakin banyaknya jumlah artikel maka dibutuhkan metode pengorganisasian yang baik dan cepat untuk memprediksi reaksi emosi pembaca tanpa harus menunggu feedback dari pembaca untuk mendapatkan rating jenis reaksi. Prediksi reaksi emosi pembaca pada konten berita secara otomatis bermanfaat untuk perusahaan berita online, perusahaan iklan. Penelitian ini membahas mengenai prediksi reaksi emosi pembaca pada konten berita yang berupa artikel Bahasa Indonesia. Konten berita yang berupa artikel juga seringkali terkait dengan lebih dari satu kategori (multi-label). Metode yang digunakan adalah Naïve Bayes Classifier. Artikel diklasifikasi menjadi delapan kategori yang telah ditentukan yaitu senang, terinspirasi, terhibur, terganggu, tidak peduli, sedih, takut, dan marah. Hasil klasifikasi yang didapat yaitu 80.7% dengan akurasi prediksi tepat minimal satu label. Dari penelitian ini menunjukkan bahwa Naïve Bayes Classifier layak digunakan untuk mengklasifikasi reaksi emosi pada konten berita. ; ---- As the increase of news information consumption has become a necessity of society. Currently the web sites that publish news content has been providing feature rating reader is reaction to the news content. This feature is intended to allow users who had been posting the article can find out the reaction of the reader after reading the article. With the increasing number of articles then the required method of organizing a good and quick to predict the reaction of the reader's emotions without having to wait for feedback from the readers to get a rating reactions. Prediction readers emotional reaction on the news content is automatically beneficial for online news company, and advertising company. This study discusses the prediction of reader’s emotional reactions on the content of the news articles in Bahasa. News content such as articles are also often associated with more than one category (multi-label). The method used is Naïve Bayes classifier. Articles were classified into eight categories that have been determined are happy, inspired, amused, distracted, does not care, sad, scared, and angry. The result shows the classification accuracy of 80.7% with precise prediction accuracy of at least one label. This research shows that the Naïve Bayes Classifier algorithm can be used to classify the emotional reaction to the news content.

Item Type: Skripsi,Tesis,Disertasi (S1)
Additional Information: No. Panggil : S KOM ALA s-2016 ; Pembimbing : I. Yudi Wibisono , II. Rizky Rachman .
Uncontrolled Keywords: Artikel, Emosi, Klasifikasi Teks, Naïve Bayes Classifier, Multi-label, Article, Emotion, Text Classification
Subjects: H Social Sciences > H Social Sciences (General)
Q Science > QA Mathematics > QA75 Electronic computers. Computer science
Divisions: Fakultas Pendidikan Matematika dan Ilmu Pengetahuan Alam > Program Studi Pendidikan Ilmu Komputer
Depositing User: Mr. Arif Rezkyana Nugraha
Date Deposited: 11 Jan 2018 00:11
Last Modified: 11 Jan 2018 00:11
URI: http://repository.upi.edu/id/eprint/28480

Actions (login required)

View Item View Item