Wijaksana, Ichlasul Amal (2023) ANALISIS SENTIMEN OPINI PUBLIK TENTANG ISU LGBT DI INDONESIA MENGGUNAKAN ALGORITMA MULTINOMIAL NAÏVE BAYES DENGAN OPTIMASI PARTICLE SWARM OPTIMIZATION. S1 - Sarjana thesis, Universitas AMIKOM Yogyakarta.
![[img]](https://eprints.amikom.ac.id//style/images/fileicons/text.png) |
Text (COVER-ABSTRAK)
COVER.pdf Download (1MB) |
|
Text (BAB I)
BAB I.pdf Download (183kB) |
|
Text (BAB II)
BAB II.pdf Restricted to Registered users only Download (610kB) |
|
Text (BAB III)
BAB III.pdf Restricted to Registered users only Download (232kB) |
|
Text (BAB IV)
BAB IV.pdf Restricted to Registered users only Download (1MB) |
|
Text (BAB V)
BAB V.pdf Download (74kB) |
|
Text (DAFTAR PUSTAKA-LAMPIRAN)
Daftar Pustaka dan Lampiran.pdf Restricted to Registered users only Download (587kB) |
![[img]](https://eprints.amikom.ac.id//style/images/fileicons/archive.png) |
Archive (SOURCE CODE)
Source Code - Ichlasul Amal Wijaksana.zip Restricted to Repository staff only Download (1MB) |
Abstract
Isu LGBT (lesbian, gay, biseksual, dan transgender) di Indonesia menimbulkan pro dan kontra di masyarakat. Media sosial Twitter digunakan oleh masyarakat untuk menyuarakan opini dan sikap mereka terhadap isu tersebut. Penelitian ini membandingkan kinerja algoritma Multinomial Naïve Bayes (MNB) dan MNB dengan fitur seleksi Particle Swarm Optimization (PSO) dalam mengklasifikasikan sentimen opini publik. Penelitian ini menggunakan data tweet yang mengandung kata kunci lgbt. Data tweet tersebut dilakukan preprocessing dengan bahasa Indonesia, diterjemahkan ke bahasa Inggris, dan preprocessing lagi menggunakan NLTK. Selanjutnya, data tweet tersebut dilakukan pelabelan sentimen menggunakan VADER Sentiment. Kemudian data tweet tersebut diklasifikasikan menggunakan algoritma MNB dan MNB dengan fitur seleksi PSO. Sebelum klasifikasi, data tweet tersebut dilakukan pembobotan TF-IDF, oversampling dengan SMOTE, dan pemisahan data menjadi 80% data latih dan 20% data uji. Hasil penelitian menunjukkan bahwa algoritma MNB dengan fitur seleksi PSO memiliki akurasi dan performa yang lebih baik daripada algoritma MNB standar dalam mengklasifikasikan sentimen opini publik tentang isu LGBT di Indonesia. Algoritma MNB dengan fitur seleksi PSO menghasilkan akurasi sebesar 0.98, sedangkan algoritma MNB standar menghasilkan akurasi sebesar 0.97. Algoritma MNB dengan fitur seleksi PSO juga menunjukkan peningkatan dalam nilai precision, recall, dan F1-score.
| Item Type: | Thesis (S1 - Sarjana) | ||
|---|---|---|---|
| Contributor: |
|
||
| Uncontrolled Keywords: | Analisis sentimen, Isu LGBT, Multinomial Naïve Bayes, Particle Swarm Optimization, Twitter | ||
| Subjects: | 000 - Komputer, Informasi dan Referensi Umum > 000 Ilmu komputer, ilmu pengetahuan dan sistem-sistem > 005 Pemrograman komputer, program dan data | ||
| Divisions: | Fakultas Ilmu Komputer > Informatika | ||
| Depositing User: | RC Universitas AMIKOM Yogyakarta | ||
| Date Deposited: | 24 Aug 2023 07:29 | ||
| Last Modified: | 29 Sep 2023 07:42 | ||
| URI: | http://eprints.amikom.ac.id/id/eprint/20863 |
Actions (login required)
 |
View Item |