ANALISIS SENTIMENT PENGGUNA TWITTER TERHADAP PEMBELAJARAN JARAK JAUH PADA MASA COVID19 MENGGUNAKAN ALGORITMA NAIVE BAYES CLASSIFIER

Kencana, Adi Kresna (2021) ANALISIS SENTIMENT PENGGUNA TWITTER TERHADAP PEMBELAJARAN JARAK JAUH PADA MASA COVID19 MENGGUNAKAN ALGORITMA NAIVE BAYES CLASSIFIER. S1 - Sarjana thesis, Universitas AMIKOM Yogyakarta.

	Text (COVER-ABSTRAK) COVER.pdf Download (576kB)
	Text (BAB I) BAB I.pdf Download (189kB)
	Text (BAB II) BAB II.pdf Restricted to Registered users only Download (220kB)
	Text (BAB III) BAB III.pdf Restricted to Registered users only Download (375kB)
	Text (BAB IV) BAB IV.pdf Restricted to Registered users only Download (593kB)
	Text (BAB V) BAB V.pdf Download (38kB)
	Text (DAFTAR PUSTAKA) Daftar Pustaka.pdf Restricted to Registered users only Download (103kB)
	Other (SOURCE CODE) Source Code-17.11.1515-AdiKresnaKencana - Adi Kresna Kencana.rar Restricted to Repository staff only Download (299kB)
	Text (PUBLIKASI) Publikasi-17.11.1515-AdiKresnaKencana - Adi Kresna Kencana.pdf Restricted to Repository staff only Download (406kB)

Abstract

Pada masa pandemic Covid-19 pemerintah Indonesia melalui Menteri Pendidikan dan Kebudayaan Republik Indonesia memberikan kebijakan baru dalam Pendidikan yaitu pembelajaran jarak jauh. Setelah kebijakan baru tersebut dilakasanan banyak memberikan pengaruh pada masyarakat. Banyak dari masyarakat memberikan opini mereka di sosial media terutama twitter, dari opiniopini masyarakat terdapat tweet pada twitter mengandung kata positif maupun negatif terhadap pembelajaran jarak jauh. Dari permasalahan ini dilakukan penelitian mengagunakan analisis sentiment. Untuk mendapatkan evaluasi hasil yang terbaik dilakukan perbandingan data latih dan data uji. Tahapan penelitian yang dilakukan terdiri dari pengambilan data dari media sosial twitter, preprocessing data, pembobotan data TF-IDF dan klasifikasi menggunakan algoritma Naïve Bayes Classifier. Dari data yang sudah dibersihkan diberikan label dengan klasifikasi secara manual, terdapat dua label yaitu positif dan negatif. Setelah dataset diberikan label secara manual selanjutnya pembagian data. Pada pembagian data data terpisah menjadi dua kategori yaitu kategori training dan testing, pada dataset jumlah dibagi menjadi 3 dataset antara lain 600 dataset, 500 dataset dan 400 dataset. Setelah dilakukan pembagian data dilakukan pengujian dengan dengan confusion matrix, dilakukan pengujian sebanyak 3 percobaan pengujian dengan hasil akurasi tertinggi yang didapatkan naïve bayes classifier dengan model multinomial sebesar 83%.

Actions (login required)

View Item