METODE SUPPORT VECTOR MACHINE (SVM) UNTUK ANALISIS SENTIMEN PENGGUNA TWITTER TERHADAP GENRE MUSIK

Sujatmiko, Risman (2019) METODE SUPPORT VECTOR MACHINE (SVM) UNTUK ANALISIS SENTIMEN PENGGUNA TWITTER TERHADAP GENRE MUSIK. S1 - Sarjana thesis, Universitas AMIKOM Yogyakarta.

[img] Text (COVER-ABSTRAK)
COVER.pdf
Download (962kB)
[img] Text (BAB I)
BAB I.pdf
Download (231kB)
[img] Text (BAB II)
BAB II.pdf
Restricted to Registered users only
Download (657kB)
[img] Text (BAB III)
BAB III.pdf
Restricted to Registered users only
Download (1MB)
[img] Text (BAB IV)
BAB IV.pdf
Restricted to Registered users only
Download (497kB)
[img] Text (BAB V)
BAB V.pdf
Download (38kB)
[img] Text (DAFTAR PUSTAKA-LAMPIRAN)
Daftar Pustaka dan Lampiran.pdf
Restricted to Registered users only
Download (191kB)
[img] Archive (SOURCE CODE)
Source Code 15.11.8891 Risman Sujatmiko.zip
Restricted to Repository staff only
Download (1MB)
[img] Text (PUBLIKASI)
Publikasi.pdf
Restricted to Repository staff only
Download (1MB)

Abstract

Twitter adalah salah satu media sosial yang paling banyak digunakan di seluruh dunia, Pengguna Twitter menuliskan pendapat dan opini tentang berbagai layanan di Twitter, karena pengguna twitter bisa mengekspresikan pendapat dan opini tentang apapun termasuk genre musik, Dari twitter dapat dilakukan Opinion Mining atau biasa disebut Analisis Sentimen. Untuk melakukan Opinion Mining di Twitter peneliti akan mengambil data yang dengan memanfaatkan API Twitter. Analisis Sentimen merupakan suatu proses pengolahan data berupa teks yang bertujuan untuk mengklasifikasi sentimen positif dan negatif. Dalam proses pengolahan data sentimen akan melewati beberapa tahapan yaitu Pengumpulan Data, Cleaning Data, Tokenization, Stopword Removal, Normalisasi Bahasa, Stemming, TF-IDF dan Klasifikasi Support Vector Machine Analisis Sentimen yang dihasilkan berbasis website, yang ditunjukan untuk mengolah data twitter dengan cara mengklasifikasikan Sentimen positif dan negatif dan mendapatkan akurasi ketepatan dengan menggunakan metode confusion matrix.

Item Type: Thesis (S1 - Sarjana)
Contributor:
Pembimbing
Seniwati, Erni
Uncontrolled Keywords: Analisis sentimen, Support vector machine, Twitter, Klasifikasi
Subjects: 000 - Komputer, Informasi dan Referensi Umum > 000 Ilmu komputer, ilmu pengetahuan dan sistem-sistem > 000 Ilmu komputer, informasi dan pekerjaan umum
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: 13 Nov 2023 07:26
Last Modified: 13 Nov 2023 07:26
URI: http://eprints.amikom.ac.id/id/eprint/22840

Actions (login required)

View Item View Item