ANALISIS SENTIMEN PENGGUNA TWITTER TERHADAP LAYANAN INTERNET BIZNET MENGGUNAKAN ALGORITME SUPPORT VECTOR MACHINE

Cahyo, Djupha Dwi (2023) ANALISIS SENTIMEN PENGGUNA TWITTER TERHADAP LAYANAN INTERNET BIZNET MENGGUNAKAN ALGORITME SUPPORT VECTOR MACHINE. S1 - Sarjana thesis, Universitas AMIKOM Yogyakarta.

[img] Text (COVER-ABSTRAK)
COVER.pdf
Download (2MB)
[img] Text (BAB I)
BAB I.pdf
Download (263kB)
[img] Text (BAB II)
BAB II.pdf
Restricted to Registered users only
Download (785kB)
[img] Text (BAB III)
BAB III.pdf
Restricted to Registered users only
Download (868kB)
[img] Text (BAB IV)
BAB IV.pdf
Restricted to Registered users only
Download (721kB)
[img] Text (BAB V)
BAB V.pdf
Download (42kB)
[img] Text (DAFTAR PUSTAKA)
Daftar Pustaka.pdf
Restricted to Registered users only
Download (137kB)
[img] Archive (SOURCE CODE)
Source Code - Djupha Dwi Cahyo.zip
Restricted to Repository staff only
Download (11MB)
[img] Text (PUBLIKASI)
Publikasi.pdf
Restricted to Repository staff only
Download (576kB)

Abstract

Internet adalah hal yang saat ini menjadi salah satu kebutuhan pokok bagi masyarakat, selain untuk mencari informasi, hiburan, juga digunakan untuk menghasilkan uang. Biznet merupakan salah satu provider penyedia layanan internet di Indonesia yang memiliki jumlah pengguna terbanyak. Meskipun diminati, tidak semua pengguna berkomentar positif bahkan negatif, kini pengguna dapat menyampaikan opini di berbagai media salah satunya Twitter. Dari berbagai ragam komentar Twitter diperlukan teknik untuk membagi ke dalam kelas opini positif, negatif, maupun netral. Maka dari itu di penelitian ini akan melakukan analisis sentimen menggunakan metode Support Vector Machine untuk klasifikasi. Data yang digunakan berupa opini tentang ulasan Biznet dari media sosial Twitter. Nantinya data dari twitter itu akan terbagi dalam tiga kelas yaitu positif, negatif, dan netral. Adapun hasil analisis sentimen dari data tweet yang yang dikumpulkan sebanyak 503 ada 373 tweet positif, 118 tweet positif, dan 12 tweet netral. Dan akurasi analisis sentimen yang didapatkan adalah sebesar 75.53%.

Item Type: Thesis (S1 - Sarjana)
Contributor:
Pembimbing
Adi, Sumarni
Uncontrolled Keywords: Analisis Sentimen, Support Vector Machine, 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: 06 Sep 2023 02:25
Last Modified: 06 Sep 2023 02:25
URI: http://eprints.amikom.ac.id/id/eprint/21100

Actions (login required)

View Item View Item