<?xml version="1.0" encoding="UTF-8" ?>
<modsCollection xmlns:xlink="http://www.w3.org/1999/xlink" xmlns:xsi="http://www.w3.org/2001/XMLSchema-instance" xmlns="http://www.loc.gov/mods/v3" xmlns:slims="http://slims.web.id" xsi:schemaLocation="http://www.loc.gov/mods/v3 http://www.loc.gov/standards/mods/v3/mods-3-3.xsd">
<mods version="3.3" ID="17625">
<titleInfo>
<title>ANALISIS SENTIMEN PENGGUNA TIKTOK TERHADAP PRODUK
FASHION DENGAN METODE NAÏVE BAYES</title>
</titleInfo>
<name type="Personal Name" authority="">
<namePart>Edi Iskandar, S.T., M.Cs.</namePart>
<role><roleTerm type="text">Contributor</roleTerm></role>
</name>
<name type="Personal Name" authority="">
<namePart>Muluk, Muhammad Farid Al Masal - 195410205</namePart>
<role><roleTerm type="text">Primary Author</roleTerm></role>
</name>
<typeOfResource manuscript="yes" collection="yes">mixed material</typeOfResource>
<genre authority="marcgt">bibliography</genre>
<originInfo>
<place><placeTerm type="text">Yogyakarta</placeTerm></place>
<publisher>UNIVERSITAS TEKNOLOGI DIGITAL INDONESIA (UTDI)</publisher>
<dateIssued>2024</dateIssued>
<issuance>monographic</issuance>
<edition></edition>
</originInfo>
<language>
<languageTerm type="code">id</languageTerm>
<languageTerm type="text">Indonesia</languageTerm>
</language>
<physicalDescription>
<form authority="gmd">Text Skripsi</form>
<extent></extent>
</physicalDescription>
<note>Penelitian ini membahas analisis sentimen komentar media sosial dari akun Tiktok livehaf menggunakan metode Naive Bayes. Data yang digunakan terdiri dari 1.560 komentar yang terkumpul dalam rentan waktu 1-30 September 2024 dan disimpan dalam format CSV. Proses analisis meliputi pengambilan data, pra-pemrosesan, dan penerapan model klasifikasi naive bayes. Hasilnya menunjukkan sentimen netral mendominasi dengan persentase 72,0%, diikuti sentimen positif 20,5% dan negatif 7,4%. Model naive bayes yang digunakan mampu meraih akurasi 77.73%, yang menunjukkan kinerja yang baik dalam mengelompokkan makna teks. Akan tetapi, ketidakseimbangan data menyebabkan kinerja model pada kategori negatif rendah. Penelitian ini menyarankan penyeimbangan data, penggunaan dataset yang lebih beragam, serta evaluasi tambahan untuk meningkatkan kinerja model.
Kata kunci : Analisis Sentimen, Naive Bayes, TikTok, Livehaf, Media Sosial</note>
<subject authority=""><topic>MEDIA TIKTOK</topic></subject>
<subject authority=""><topic>Media Sosial</topic></subject>
<subject authority=""><topic>Metode Naive Bayes</topic></subject>
<subject authority=""><topic>Analisis Sentimen</topic></subject>
<classification>NONE</classification><identifier type="isbn"></identifier><location>
<physicalLocation>Perpustakaan Universitas Teknologi Digital Indonesia Katalog Online Perpustakaan Universitas Teknologi Digital Indonesia</physicalLocation>
<shelfLocator>148 MUL A R.1</shelfLocator>
<holdingSimple>
<copyInformation>
<numerationAndChronology type="1">MUL0148IN0124</numerationAndChronology>
<sublocation>Rak Referensi  Skripsi Informatika</sublocation>
<shelfLocator>148 MUL A R.1</shelfLocator>
</copyInformation>
</holdingSimple>
</location>
<recordInfo>
<recordIdentifier>17625</recordIdentifier>
<recordCreationDate encoding="w3cdtf">2025-01-07 10:22:15</recordCreationDate>
<recordChangeDate encoding="w3cdtf">2025-01-07 10:23:23</recordChangeDate>
<recordOrigin>machine generated</recordOrigin>
</recordInfo></mods></modsCollection>