Ginabila Ginabila, Ahmad Fauzi
{"title":"Analisis Sentimen Terhadap Pemutar Musik Online Spotify Dengan Algoritma Naive Bayes dan Support Vector Machine","authors":"Ginabila Ginabila, Ahmad Fauzi","doi":"10.47324/ilkominfo.v6i2.180","DOIUrl":null,"url":null,"abstract":"Abstrak: Manusia memiliki kebutuhan preferensi musik yang yang sangat beragam, oleh karena itu pemutar musik online menjadi salah satu solusi untuk memenuhi kebutuhan ini dengan menyediakan katalog musik yang luas. Analisis sentimen adalah proses untuk mengevaluasi dan mengklasifikasikan sentimen atau perasaan di balik teks atau data yang diberikan. Dalam konteks ini, analisis sentimen dilakukan pada pemutar musik online Spotify. Dua algoritma yang umum digunakan untuk analisis sentimen adalah Naive Bayes dan Support Vector Machine (SVM). Kedua algoritma ini dapat diterapkan dalam analisis sentimen pada pemutar musik online. Data teks seperti ulasan atau komentar pengguna dikumpulkan dan dilabeli dengan sentimen yang sesuai. Hasil dari penelitian menggunakan kedua algoritma ini menghasilkan nilai akurasi yang hampir sama baiknya. Algoritma Support Vector Machine menghasilkan tingkat akurasi sebesar 82,42%, sedangkan untuk Algoritma Naive Bayes mencapai 84,73%.Kata kunci: Analisis Sentimen, Naive Bayes, Support Vector MachineAbstract: Humans have diverse music preferences and online music players are a solution to meet these needs by providing a wide music catalog. Sentiment analysis is the process of evaluating and classifying sentiments or feelings behind given texts or data. In this context, sentiment analysis is performed on Spotify online music players. Two common algorithms used for sentiment analysis are Naive Bayes and Support Vector Machine (SVM). Both algorithms can be applied in sentiment analysis for online music players. Text data such as user reviews or comments are collected and labeled with corresponding sentiments. The results of the research using both algorithms yielded similar high accuracy. The Support Vector Machine algorithm achieved an accuracy rate of 82.42%, while the Naive Bayes algorithm reached 84.73%.Keywords: Sentiment Analysis, Naive Bayes, Support Vector Machine","PeriodicalId":269446,"journal":{"name":"Jurnal Ilmiah ILKOMINFO - Ilmu Komputer & Informatika","volume":null,"pages":null},"PeriodicalIF":0.0000,"publicationDate":"2023-07-20","publicationTypes":"Journal Article","fieldsOfStudy":null,"isOpenAccess":false,"openAccessPdf":"","citationCount":"0","resultStr":null,"platform":"Semanticscholar","paperid":null,"PeriodicalName":"Jurnal Ilmiah ILKOMINFO - Ilmu Komputer & Informatika","FirstCategoryId":"1085","ListUrlMain":"https://doi.org/10.47324/ilkominfo.v6i2.180","RegionNum":0,"RegionCategory":null,"ArticlePicture":[],"TitleCN":null,"AbstractTextCN":null,"PMCID":null,"EPubDate":"","PubModel":"","JCR":"","JCRName":"","Score":null,"Total":0}
引用次数: 0

摘要

抽象:人类对音乐偏好的需求非常多样化,因此在线音乐播放器成为通过提供广泛的音乐目录来满足这些需求的解决方案之一。情绪分析是对文本或数据背后的情绪或感觉进行评估和分类的过程。在这种背景下,对网络Spotify音乐播放器进行了情绪分析。情感分析常用的两种算法是天真的Bayes和SVM支持机。这两个算法都可以应用于对在线音乐播放器的情绪分析。像用户评论这样的文本数据被收集和附加到相应的情感中。使用这两种算法的研究结果得出的精确度几乎相同。向量支持算法提供了82,42%的准确率,而天真的贝斯算法达到了84.73%。关键词:情感分析、天真的贝斯、机械的支持者:人类能够分化音乐偏见和在线音乐播放器,满足这些需求情感分析是一个评估和审查感知感知的过程,或者泄露给文本或数据的感觉。在背景中,情感分析是对Spotify在线音乐玩家的表演。两个常见的算法用于情感分析是天真的Bayes和支持向量机(SVM)。双方的算法都可以应用于网络音乐玩家的情感分析。文本消息研究结果使用了两种非常精确的算法。支撑矢量算法达到了82.42%,而天真的Bayes算法达到了84.73%。情感分析,天真的贝斯,支持向量机器
本文章由计算机程序翻译,如有差异,请以英文原文为准。
Analisis Sentimen Terhadap Pemutar Musik Online Spotify Dengan Algoritma Naive Bayes dan Support Vector Machine
Abstrak: Manusia memiliki kebutuhan preferensi musik yang yang sangat beragam, oleh karena itu pemutar musik online menjadi salah satu solusi untuk memenuhi kebutuhan ini dengan menyediakan katalog musik yang luas. Analisis sentimen adalah proses untuk mengevaluasi dan mengklasifikasikan sentimen atau perasaan di balik teks atau data yang diberikan. Dalam konteks ini, analisis sentimen dilakukan pada pemutar musik online Spotify. Dua algoritma yang umum digunakan untuk analisis sentimen adalah Naive Bayes dan Support Vector Machine (SVM). Kedua algoritma ini dapat diterapkan dalam analisis sentimen pada pemutar musik online. Data teks seperti ulasan atau komentar pengguna dikumpulkan dan dilabeli dengan sentimen yang sesuai. Hasil dari penelitian menggunakan kedua algoritma ini menghasilkan nilai akurasi yang hampir sama baiknya. Algoritma Support Vector Machine menghasilkan tingkat akurasi sebesar 82,42%, sedangkan untuk Algoritma Naive Bayes mencapai 84,73%.Kata kunci: Analisis Sentimen, Naive Bayes, Support Vector MachineAbstract: Humans have diverse music preferences and online music players are a solution to meet these needs by providing a wide music catalog. Sentiment analysis is the process of evaluating and classifying sentiments or feelings behind given texts or data. In this context, sentiment analysis is performed on Spotify online music players. Two common algorithms used for sentiment analysis are Naive Bayes and Support Vector Machine (SVM). Both algorithms can be applied in sentiment analysis for online music players. Text data such as user reviews or comments are collected and labeled with corresponding sentiments. The results of the research using both algorithms yielded similar high accuracy. The Support Vector Machine algorithm achieved an accuracy rate of 82.42%, while the Naive Bayes algorithm reached 84.73%.Keywords: Sentiment Analysis, Naive Bayes, Support Vector Machine
求助全文
通过发布文献求助,成功后即可免费获取论文全文。 去求助
来源期刊
自引率
0.00%
发文量
0
×
引用
GB/T 7714-2015
复制
MLA
复制
APA
复制
导出至
BibTeX EndNote RefMan NoteFirst NoteExpress
×
提示
您的信息不完整,为了账户安全,请先补充。
现在去补充
×
提示
您因"违规操作"
具体请查看互助需知
我知道了
×
提示
确定
请完成安全验证×
copy
已复制链接
快去分享给好友吧!
我知道了
右上角分享
点击右上角分享
0
联系我们:info@booksci.cn Book学术提供免费学术资源搜索服务,方便国内外学者检索中英文文献。致力于提供最便捷和优质的服务体验。 Copyright © 2023 布克学术 All rights reserved.
京ICP备2023020795号-1
ghs 京公网安备 11010802042870号
Book学术文献互助
Book学术文献互助群
群 号:481959085
Book学术官方微信