ANALISIS SENTIMEN LAYANAN STREAMING NETFLIX DAN IDLIX MENGGUNAKAN METODE KOMPARATIF KUANTITATIF

  • NANDA PUTRI ALIFA FAKAUBUN
  • 2025

Abstrak

Nanda Putri Alifa Fakaubun (17210429), Analisis sentiment Layanan streaming menggunakan metode komparatif Kuantitatif

 

Perkembangan teknologi digital telah mengubah cara masyarakat menikmati hiburan, terutama melalui layanan streaming seperti Netflix dan Idlix. Penelitian ini bertujuan untuk menganalisisdan membandingkan sentimen pengguna terhadap kedua platform menggunakan pendekatan omparatif kuantitatif berbasis text mining dengan algoritma Multinomial Naïve Bayes. Data diambil dari ulasan pengguna berbahasa Indonesia melalui Google Play Store (Netflix) dan situs Idlix, kemudian diproses melalui tahapan text preprocessing, pelabelan sentimen, ekstraksi fitur menggunakan TF-IDF, serta evaluasi model dengan dan tanpa penerapan SMOTE (Synthetic Minority Oversampling Technique) untuk menangani ketidakseimbangan kelas.

Hasil pengujian menunjukkan bahwa model tanpa SMOTE memiliki akurasi 88 % untuk Idlix dan 62 % untuk Netflix, tetapi performanya bias terhadap kelas netral. Setelah diterapkan SMOTE, akurasi sedikit menurun menjadi sekitar 55 %–56 %, namun distribusi performa antar-kelas menjadi lebih seimbang, dengan peningkatan recall dan F1-score pada sentimen positif dan negatif. Secara umum, analisis menunjukkan bahwa pengguna Netflix cenderung memberikan sentimen lebih positif dibandingkan pengguna Idlix.

Kata kunci: Analisis Sentimen, Naïve Bayes, Netflix, Idlix, Komparatif, SMOTE, TF-IDF

Kata Kunci
Akses Repositori Open Access

https://repository.bsi.ac.id/repo/73586/ANALISIS-SENTIMEN-LAYANAN-STREAMING-NETFLIX-DAN-IDLIX-MENGGUNAKAN-METODE--KOMPARATIF-KUANTITATIF
Anda dapat membaca file tugas akhir ini di repository.

Detail Informasi

Tugas Akhir ini ditulis oleh :

  • 17210429 - NANDA PUTRI ALIFA FAKAUBUN
  • Prodi : Teknologi Informasi
  • Kampus : Ciputat
  • Tahun : 2025
  • Pembimbing : Suparni, S.Kom, M.Kom
  • Kode : 0028.S1.17.SKRIPSI.I.2025
  • Status Akses : Open Access
  • Diinput oleh : AXD
  • Terakhir update : 24 Oktober 2025
  • Dilihat : 48 kali