Muhammad Akbarul Ihsan Primary Author mixed material bibliography Banda Aceh Fakultas MIPA Informatika 2026

Skripsi

Penelitian ini bertujuan untuk mengatasi kendala beban informasi bagi kreator konten TikTok dan YouTube melalui pengembangan sistem analisis emosi berbasis web. Sistem ini mengintegrasikan model DistilBERT untuk mengklasifikasikan komentar penonton dan menyajikannya dalam bentuk visualisasi data yang interaktif. Dataset sebanyak 3.600 komentar dikumpulkan dan diklasifikasikan ke dalam enam label emosi menggunakan bantuan Large Language Model (LLM) dan verifikasi manual. Melalui pengujian terhadap berbagai skenario prapemrosesan dan variasi Max Sequence Length (MSL), ditemukan bahwa penggunaan MSL 80 dan skenario case folding memberikan performa optimal dengan tingkat akurasi mencapai 93,35% dan F1-score sebesar 0,9333. Sistem ini berhasil menyajikan informasi emosi penonton yang mencakup fitur distribusi emosi, wordcloud, serta pencarian komentar berdasarkan kata kunci. Penelitian ini menunjukkan keefektifan model DistilBERT dalam mengklasifikasikan emosi pada komentar berbahasa Indonesia secara akurat untuk kebutuhan sistem berbasis web. 0 ELECTRONIC THESES AND DISSERTATION Universitas Syiah Kuala 1713965 2026-04-15 11:29:29 2026-04-15 11:32:07 machine generated