PERBANDINGAN ALGORITMA SVM, MNB DAN ENSEMBLE LEARNING DALAM SENTIMEN ANALISIS TERHADAP CRYPTOCURRENCY CRASH LUNA & UST

Nafik, Achmad (2023) PERBANDINGAN ALGORITMA SVM, MNB DAN ENSEMBLE LEARNING DALAM SENTIMEN ANALISIS TERHADAP CRYPTOCURRENCY CRASH LUNA & UST. S1 - Sarjana thesis, Universitas AMIKOM Yogyakarta.

	Text (COVER-ABSTRAK) COVER.pdf Download (1MB)
	Text (BAB I) BAB I.pdf Download (227kB)
	Text (BAB II) BAB II.pdf Restricted to Registered users only Download (864kB)
	Text (BAB III) BAB III.pdf Restricted to Registered users only Download (309kB)
	Text (BAB IV) BAB IV.pdf Restricted to Registered users only Download (705kB)
	Text (BAB V) BAB V.pdf Download (45kB)
	Text (DAFTAR PUSTAKA) Daftar Pustaka.pdf Restricted to Registered users only Download (234kB)
	Text (PUBLIKASI) Publikasi 18.83.0304 Achmad Nafik.pdf Restricted to Repository staff only Download (438kB)

Abstract

Penelitian ini bertujuan untuk melakukan perbandingan pada algoritma klasifikasi Machine Learning yaitu Multinomial Naïve Bayes Classifier (MNB), Support Vector Machine (SVM) dan Stacking Ensemble Learning dalam melakukan sentimen analisis pada media sosial twitter terkait insiden cryptocurrency crash yaitu UST dan Luna. Data yang digunakan dalam penelitian ini adalah dataset sentimen yang diambil dengan teknik scraping pada sosial media Twitter sebanyak 30806 data tweet. Hasil pengujian menunjukkan bahwa model SVM memiliki performa terbaik dengan akurasi 90,3%, precision 90,6%, recall 88%, F1 score 95%, dan AUC 0,952. Di sisi lain, model MNB memiliki akurasi 81,7%, precision 79,7%, recall 80,8%, F1 score 88,7%, dan AUC 0,882. Sedangkan model Ensemble Learning memiliki akurasi 86,9%, precision 85%, recall 86,2%, F1 score 91,8%, dan AUC 0,904. Dari hasil tersebut dapat disimpulkan bahwa model SVM adalah metode klasifikasi yang paling baik dalam melakukan klasifikasi pada data sentimen terkait insiden cryptocurrency crash UST dan Luna.

Actions (login required)

View Item