Raharjo, Satria Wahyu (2023) ANALISIS SENTIMEN OPINI MASYARAKAT INDONESIA TERHADAP ISU RESESI TAHUN 2023 PADA MEDIA SOSIAL TWITTER MENGGUNAKAN NAÏVE BAYES CLASSIFIER. S1 - Sarjana thesis, Universitas AMIKOM Yogyakarta.
Text (COVER-ABSTRAK)
COVER.pdf Download (775kB) |
|
Text (BAB I)
BAB I.pdf Download (167kB) |
|
Text (BAB II)
BAB II.pdf Restricted to Registered users only Download (613kB) |
|
Text (BAB III)
BAB III.pdf Restricted to Registered users only Download (386kB) |
|
Text (BAB IV)
BAB IV.pdf Restricted to Registered users only Download (1MB) |
|
Text (BAB V)
BAB V.pdf Download (71kB) |
|
Text (DAFTAR PUSTAKA)
Daftar Pustaka.pdf Restricted to Registered users only Download (308kB) |
|
Archive (SOURCE CODE)
Source Code 19.11.2614 Satria Wahyu Raharjo.zip Restricted to Repository staff only Download (1MB) |
|
Text (PUBLIKASI)
Publikasi.pdf Restricted to Repository staff only Download (688kB) |
Abstract
Perkembangan teknologi dan informasi yang semakin pesat seperti sekarang ini, mayarakat dapat dengan mudah memberikan opini, kritikan maupun masukan suatu isu yang sedang hangat atau ramai diperbincangkan melalui media sosial. Twitter menjadi salah satu media sosial yang banyak digunakan oleh masyarakat Indonesia. Salah satu yang sempat ramai di media sosial twitter adalah isu resesi 2023. Banyaknya opini dari pengguna twitter mengenai topik isu resesi 2023 dapat dilakukan penelitian yang tujuannya untuk analisis sentimen mengenai isu resei 2023 di media sosial twitter Indonesia. Penelitian analisis sentimen ini menggunakan metode Naïve Bayes yaitu salah satu metode yang digunakan untuk klasifikasi berdasarkan dari teorema bayes yang semua kegiatan memberikan kontribusi yang sama penting pada pemilihan target kelas tertentu. Naïve Bayes mengunakan perhitungan probabilitas dan statistik yang dikemukaka oleh Thomas Bayes. Dataset yang digunakan diambil dari media sosial twitter dengan kata kunci resesi 2023 dengan cara crawling data. Jumlah dataset yang digunakan sebanyak 3853 data mentah atau kotor. Hasil dari beberapa tahap yang dilakukan pada penelitian ini sehingga dataset label Negative berjumlah 2208 data, label Positive berjumlah 577 data, dan label Neutral berjumlah 215 data. Performa paling bagus ketika menggunakan algoritma Naïve Bayes dipadukan dengan SMOTE terjadi pada pengujian 80:20 dengan akurasi sebesar 0.816, precision 0.494, recall 0.89, dan f1_score 0.63.
Item Type: | Thesis (S1 - Sarjana) | ||
---|---|---|---|
Contributor: |
|
||
Uncontrolled Keywords: | Analisis sentimen, Naïve Bayes, Twitter, Resesi, Teks mining | ||
Subjects: | 000 - Komputer, Informasi dan Referensi Umum > 000 Ilmu komputer, ilmu pengetahuan dan sistem-sistem > 003 Sistem-sistem 000 - Komputer, Informasi dan Referensi Umum > 000 Ilmu komputer, ilmu pengetahuan dan sistem-sistem > 004 Pemrosesan data dan ilmu komputer |
||
Divisions: | Fakultas Ilmu Komputer > Informatika | ||
Depositing User: | RC Universitas AMIKOM Yogyakarta | ||
Date Deposited: | 30 Oct 2023 03:59 | ||
Last Modified: | 30 Oct 2023 03:59 | ||
URI: | http://eprints.amikom.ac.id/id/eprint/22183 |
Actions (login required)
View Item |