ANALISIS SENTIMEN OPINI PENGUNJUNG PADA EVENT BUDAYA POP JEPANG PADA MEDIA SOSIAL TWITTER MENGGUNAKAN ALGORITMA SUPPORT VECTOR MACHINE

Zahir, Akhmad Taajuddin (2023) ANALISIS SENTIMEN OPINI PENGUNJUNG PADA EVENT BUDAYA POP JEPANG PADA MEDIA SOSIAL TWITTER MENGGUNAKAN ALGORITMA SUPPORT VECTOR MACHINE. S1 - Sarjana thesis, Universitas AMIKOM Yogyakarta.

[img] Text (COVER-ABSTRAK)
COVER.pdf
Download (793kB)
[img] Text (BAB I)
BAB I.pdf
Download (165kB)
[img] Text (BAB II)
BAB II.pdf
Restricted to Registered users only
Download (553kB)
[img] Text (BAB III)
BAB III.pdf
Restricted to Registered users only
Download (366kB)
[img] Text (BAB IV)
BAB IV.pdf
Restricted to Registered users only
Download (766kB)
[img] Text (BAB V)
BAB V.pdf
Download (44kB)
[img] Text (DAFTAR PUSTAKA)
Daftar Pustaka.pdf
Restricted to Registered users only
Download (125kB)
[img] Archive (SOURCE CODE)
Sourcecode - Akhmad Taajuddin Zahir.zip
Restricted to Registered users only
Download (1MB)
[img] Text (PUBLIKASI)
Publikasi.pdf
Restricted to Registered users only
Download (574kB)

Abstract

Media sosial, khususnya Twitter, telah menjadi platform utama bagi pengunjung event budaya pop Jepang untuk berbagi pendapat dan pengalaman mereka. Event-event ini, seperti konser musik, festival anime, dan acara cosplay, memiliki penggemar yang cukup besar di Indonesia dan cukup dibicarakan di media sosial. Analisis sentimen memiliki peran penting dalam memahami respons dan sentimen dari pengunjung terhadap event-event ini. Penelitian ini menggunakan salah satu algoritma dari Supervised Learning yaitu Support Vector Machine. mampu mengklasifikasikan teks menjadi kategori-kategori sentimen seperti positif, negatif, atau netral. Dari algoritma tersebut menggunakan kernel linear dengan algoritma pembanding yaitu Multinomial Naïve Bayes untuk melihat perbandingan performa pada kedua algoritma tersebut. Dari percobaan yang dilakukan dengan pembagian data latih sebesar 90% dan data latih sebesar 10% dari 3968 data, Support Vector Machine mendapatkan hasil akurasi sebesar 83.3% sedangkan Multinomial Naïve Bayes mendapatkan akurasi sebesar 68.7%. Support Vector Machine mendapatkan akurasi lebih baik dibandingkan Multinomial Naïve Bayes.

Item Type: Thesis (S1 - Sarjana)
Contributor:
Pembimbing
Pristyanto, Yoga
Uncontrolled Keywords: Support Vector Machine, Multinomial Naïve Bayes, Analisis Sentimen, Twitter.
Subjects: 000 - Komputer, Informasi dan Referensi Umum > 000 Ilmu komputer, ilmu pengetahuan dan sistem-sistem > 000 Ilmu komputer, informasi dan pekerjaan umum
Divisions: Fakultas Ilmu Komputer > Informatika
Depositing User: RC Universitas AMIKOM Yogyakarta
Date Deposited: 05 Jan 2024 04:02
Last Modified: 05 Jan 2024 04:02
URI: http://eprints.amikom.ac.id/id/eprint/23282

Actions (login required)

View Item View Item