PENERAPAN ALGORITMA SUPPORT VECTOR MACHINE TERKAIT ANALISIS SENTIMEN NON-FUNGIBLE TOKEN PADA MEDIA SOSIAL TWITTER

Saputro, Azziz Kurniawan (2023) PENERAPAN ALGORITMA SUPPORT VECTOR MACHINE TERKAIT ANALISIS SENTIMEN NON-FUNGIBLE TOKEN PADA MEDIA SOSIAL TWITTER. S1 - Sarjana thesis, Universitas AMIKOM Yogyakarta.

	Text (COVER-ABSTRAK) COVER.pdf Download (1MB)
	Text (BAB I) BAB I.pdf Download (119kB)
	Text (BAB II) BAB II.pdf Restricted to Registered users only Download (633kB)
	Text (BAB III) BAB III.pdf Restricted to Registered users only Download (278kB)
	Text (BAB IV) BAB IV.pdf Restricted to Registered users only Download (217kB)
	Text (BAB V) BAB V.pdf Download (31kB)
	Text (DAFTAR PUSTAKA) Daftar Pustaka.pdf Restricted to Registered users only Download (175kB)
	Other (SOURCE CODE) Source Code - Kurniawan Saputro.rar Restricted to Repository staff only Download (626kB)
	Text (PUBLIKASI) Publikasi.pdf Restricted to Repository staff only Download (1MB)

Abstract

Media sosial Twitter digunakan sebagai tempat penyampaian pendapat masyarakat global, khususnya opini mengenai Non-Fungible Token (NFT). Opini dapat diklasifikasikan menjadi tiga kelas, sentimen negatif, sentimen netral dan sentimen positif. Scraping data Twitter menggunakan kata kunci "Nft, NFTs, dan #NFT" hasil scraping data didapat 10.000 tweet. Setelah dilakukan preprocessing data selanjutnya proses pelabelan dataset menggunakan VADER dengan total sentimen positif didapat 5330, sentimen netral 2578, dan sentimen negatif 1197. Penelitian ini bertujuan untuk mengukur performa algoritma Support Vector Machine (SVM) dengan menguji kernel linier, kernel polynomial, kernel RBF, dan kernel sigmoid. Oversampling dilakukan pada penelitian ini untuk meningkatkan nilai akurasi. Hasil yang didapat setelah dilakukan pengujian, kernel linier cenderung memberikan hasil yang lebih baik dengan hasil accuracy didapat sebesar 86%, nilai precision sebesar 83%, nilai recall sebesar 83% dan F1Score sebesar 83%.

Actions (login required)

View Item