Shubhiy, Raihan Alfain (2023) ANALISIS SENTIMEN PENGGUNA TWITTER TERHADAP KEBOCORAN DATA REGISTRASI SIM MENGGUNAKAN METODE NAÏVE BAYES. S1 - Sarjana thesis, Universitas AMIKOM Yogyakarta.
![[img]](https://eprints.amikom.ac.id//style/images/fileicons/text.png) |
Text (COVER-ABSTRAK)
COVER.pdf Download (947kB) |
|
Text (BAB I)
BAB I.pdf Download (177kB) |
|
Text (BAB II)
BAB II.pdf Restricted to Registered users only Download (744kB) |
|
Text (BAB III)
BAB III.pdf Restricted to Registered users only Download (429kB) |
|
Text (BAB IV)
BAB IV.pdf Restricted to Registered users only Download (1MB) |
|
Text (BAB V)
BAB V.pdf Download (70kB) |
|
Text (DAFTAR PUSTAKA)
Daftar Pustaka.pdf Restricted to Registered users only Download (169kB) |
![[img]](https://eprints.amikom.ac.id//style/images/fileicons/other.png) |
Other (SOURCE CODE)
SOURCE CODE.rar Restricted to Repository staff only Download (1MB) |
|
Text (PUBLIKASI)
Publikasi.pdf Restricted to Repository staff only Download (918kB) |
Abstract
Perkembangan teknologi digital di Indonesia yang semakin masif membuat masyarakat tidak bisa menolak dampak dari digitalisasi yang dapat membawa ancaman besar seperti ancaman keamanan data pribadi. Pada bulan September 2022, terdapat insiden kebocoran data registrasi kartu sim berisikan data pribadi pengguna yang disebarkan melalui situs gelap. Sebagai salah satu media sosial paling populer di Indonesia, Twitter dijadikan tempat oleh masyarakat untuk menyuarakan opininya terkait isu kebocoran data registrasi sim. Penelitian ini bertujuan untuk menganalisis sentimen dan sebaran kata dari opini pengguna Twitter terkait dengan isu tersebut. Analisis sentimen dilakukan menggunakan pendekatan machine learning dengan metode klasifikasi Naïve Bayes. Penelitian ini menggunakan 901 data tweet yang sudah diberi label. Terdapat ketidakseimbangan antar kelas sentimen pada dataset yang digunakan dimana data sentimen positif memiliki jumlah yang jauh lebih sedikit dibanding dengan sentimen negatif dan netral. Sehingga dilakukan teknik oversampling menggunakan SMOTE pada data latih untuk membantu algoritma dalam membentuk model klasifikasi. Hasil dari model yang dibangun menggunakan algoritma Naïve Bayes mendapatkan nilai accuracy sebesar 71%, precision 62%, recall 74%, dan f1-score sebesar 62%. Ketidakseimbangan kelas sentimen membuat algoritma Naïve Bayes memiliki performa yang rendah.
| Item Type: | Thesis (S1 - Sarjana) | ||
|---|---|---|---|
| Contributor: |
|
||
| Uncontrolled Keywords: | Naïve Bayes, SMOTE, Kebocoran data SIM, Analisis sentimen, Twitter | ||
| Subjects: | 000 - Komputer, Informasi dan Referensi Umum > 000 Ilmu komputer, ilmu pengetahuan dan sistem-sistem > 000 Ilmu komputer, informasi dan pekerjaan umum | ||
| Divisions: | Fakultas Ilmu Komputer > Informatika | ||
| Depositing User: | RC Universitas AMIKOM Yogyakarta | ||
| Date Deposited: | 08 Jul 2023 04:14 | ||
| Last Modified: | 13 Jul 2023 07:13 | ||
| URI: | http://eprints.amikom.ac.id/id/eprint/20208 |
Actions (login required)
 |
View Item |