ANALISIS SENTIMENT PADA TWITTER TERHADAP KEBIJAKAN LOCKDOWN DI INDONESIA MENGGUNAKAN METODE SUPPORT VECTOR MACHINE

Yuda, Satria Purnama (2021) ANALISIS SENTIMENT PADA TWITTER TERHADAP KEBIJAKAN LOCKDOWN DI INDONESIA MENGGUNAKAN METODE SUPPORT VECTOR MACHINE. S1 - Sarjana thesis, Universitas AMIKOM Yogyakarta.

	Text (COVER-ABSTRAK) COVER.pdf Download (453kB)
	Text (BAB I) BAB I.pdf Download (275kB)
	Text (BAB II) BAB II.pdf Restricted to Registered users only Download (671kB)
	Text (BAB III) BAB III.pdf Restricted to Registered users only Download (776kB)
	Text (BAB IV) BAB IV.pdf Restricted to Registered users only Download (1MB)
	Text (BAB V) BAB V.pdf Download (79kB)
	Text (DAFTAR PUSTAKA) Daftar Pustaka.pdf Restricted to Registered users only Download (114kB)
	Other (SOURCE CODE) source code- Satria Purnama Yuda.rar Restricted to Repository staff only Download (257kB)
	Text (PUBLIKASI) Publikasi-17.12.0036-Satria Purnama Yuda - Satria Purnama Yuda.pdf Restricted to Repository staff only Download (283kB)

Abstract

Pemerintah sebagai pelayan masyarakat memiliki peran yang sangat besar dalam meningkatkan kesejahteraan masyarakat. Maka perlu diadakan evaluasi secara bertahap guna meningkatkan pelayanan masyarakat sebagai tugas pemerintah, untuk itu perlu adanya sikap terbuka dari pemerintah untuk menerima keritik, keluahan, dan saran masyarakat mengenai kebijakan yang dilakukan pemerintah yang berhubungan langsung dengan kesejahteraan masyarakat. Salah satu media sosial sekaligus medai mikro blogging yang sedang digandrungi masyarakat Indonesia saat ini adalah twitter. Dengan media sosial twitter, informasi masyarakat sangat beragam, dari informasi tersebut terdapat data yang dapat diolah menjadi analisis sentimen. Penelitian ini bertujuan untuk membuat sistem analisi sentiment masyarakat yang berupa sentimen positif atau negatif. Metode yang digunakan untuk klasifikasi sentimen ini adalah Support Vector Machine dengan tahap evaluasi performasi menggunakan metode Confusion Matrix. Masukan sistem ini berupa data tweet dari masyarakat Indonesia dengan pencarian lockdown dan #dirumahaja, sedangkan hasil keluar sistem ini berupa visualisasi data sentiment positif dan negatif. Hasil visualisasi ini dapat digunakan oleh pemerintah Indonesia untuk mengevaluasi kebijakan yang telah dilakukan dan menentukan kebijakan yang diambil pada masa mendatang. Berdasarkan hasil pengujian, algoritma SVM (Support Vector Machine) dapat mengklasifikasi tweet positif,negative, dan netral. Hasil dari pegujian dengan menggunakan model SVM dengan jumlah dataset sebanyak 1.500 yang terdiri dari tiga kelas yaitu Positif dengan 500 tweet, kelas Negatif dengan 500 tweet, dan kelas Netral dengan 500 tweet diperolah akurasi tertinggi sebesar 97% dengan data training 80% dan data testing sebanyak 20%.

Actions (login required)

View Item