ANALISIS SENTIMEN MASYARAKAT TERHADAP KEBIJAKAN PPKM (PEMBERLAKUAN PEMBATASAN KEGIATAN MASYARAKAT) MELALUI TEXT MINING TWITTER

Rahman, Hanif (2023) ANALISIS SENTIMEN MASYARAKAT TERHADAP KEBIJAKAN PPKM (PEMBERLAKUAN PEMBATASAN KEGIATAN MASYARAKAT) MELALUI TEXT MINING TWITTER. S1 - Sarjana thesis, Universitas AMIKOM Yogyakarta.

[img] Text (COVER-ABSTRAK)
COVER.pdf
Download (675kB)
[img] Text (BAB I)
BAB I.pdf
Download (198kB)
[img] Text (BAB II)
BAB II.pdf
Restricted to Registered users only
Download (627kB)
[img] Text (BAB III)
BAB III.pdf
Restricted to Registered users only
Download (111kB)
[img] Text (BAB IV)
BAB IV.pdf
Restricted to Registered users only
Download (595kB)
[img] Text (BAB V)
BAB V.pdf
Download (59kB)
[img] Text (DAFTAR PUSTAKA)
Daftar Pustaka.pdf
Restricted to Registered users only
Download (51kB)
[img] Archive (SOURCE CODE)
source code 18.11.1883 Hanif Rahman.zip
Restricted to Repository staff only
Download (20MB)
[img] Text (PUBLIKASI)
publikasi 18.11.1883 Hanif Rahman.pdf
Restricted to Repository staff only
Download (571kB)

Abstract

Analisis sentimen merupakan topik penelitian yang banyak dibahas saat ini, yang bertujuan untuk menemukan pengetahuan dari data tekstual yang umumnya didapat dari media sosial yang kemudian dianalisis guna mengetahui pandangan publik/masyarakat terhadap suatu objek atau permasalahan tertentu. Objek penelitian ini berupa cuitan/tweet dari media sosial twitter terkait dengan kebijakan PPKM, dan metode yang digunakan dalam penelitian ini adalah metode lexicon yang proses analisisnya dilakukan dengan melakukan pembobotan pada setiap token dalam suatu tweet dengan wordlist yang berisi kata dengan polaritas negatif serta positif dan memiliki nilainya masing-masing. Hasilnya adalah dari 26.760 dataset terdapat 11.125 negatif, 5.338 positif dan 3.827 netral. Serta menguji tingkat akurasi algoritma lstm dengan 80% sebagai data training dan 20% sebagai data testing menghasilkan 1.930 sentimen negatif, 605 netral serta 800 sentimen yang bernilai positif dengan tingkat akurasi mencapai 82%.

Item Type: Thesis (S1 - Sarjana)
Contributor:
Pembimbing
Hartanto, Anggit Dwi
Uncontrolled Keywords: Analisis Sentimen, Lstm, Lexicon.
Subjects: 000 - Komputer, Informasi dan Referensi Umum > 000 Ilmu komputer, ilmu pengetahuan dan sistem-sistem > 000 Ilmu komputer, informasi dan pekerjaan umum
000 - Komputer, Informasi dan Referensi Umum > 000 Ilmu komputer, ilmu pengetahuan dan sistem-sistem > 004 Pemrosesan data dan ilmu komputer
Divisions: Fakultas Ilmu Komputer > Informatika
Depositing User: RC Universitas AMIKOM Yogyakarta
Date Deposited: 05 Apr 2023 02:58
Last Modified: 28 Jul 2023 01:43
URI: http://eprints.amikom.ac.id/id/eprint/18226

Actions (login required)

View Item View Item