Afandi, Mukhamad Yusuf (2023) ANALISIS SENTIMEN TWITTER MENGGUNAKAN METODE NAÏVE BAYES DAN SVM TERHADAP GUBERNUR JAWA TENGAH. S1 - Sarjana thesis, Universitas AMIKOM Yogyakarta.
![[img]](https://eprints.amikom.ac.id//style/images/fileicons/text.png) |
Text (COVER-ABSTRAK)
COVER.pdf Download (727kB) |
|
Text (BAB I)
BAB I.pdf Download (180kB) |
|
Text (BAB II)
BAB II.pdf Restricted to Registered users only Download (1MB) |
|
Text (BAB III)
BAB III.pdf Restricted to Registered users only Download (189kB) |
|
Text (BAB V)
BAB V.pdf Download (68kB) |
|
Text (DAFTAR PUSTAKA)
Daftar Pustaka.pdf Restricted to Registered users only Download (150kB) |
![[img]](https://eprints.amikom.ac.id//style/images/fileicons/archive.png) |
Archive (SOURCE CODE)
Source Code - Mukhamad Yusuf Afandi.zip Restricted to Repository staff only Download (790kB) |
|
Text (PUBLIKASI)
Publikasi.pdf Restricted to Repository staff only Download (516kB) |
Abstract
Analisis sentimen adalah salah satu bidang dari Natural Language Processing(NLP). Suatu metode yang digunakan untuk mengidentifikasi dan mengevaluasi isi dari dataset dengan opini atau pandangan. Sehingga banyak digunakan untuk kepentingan sentimen dalam suatu objek. Pada penelitian ini yaitu untuk mengetahui sentimen publik media sosial twitter dengan menggunakan kata kunci di pencarian Ganjar Pranowo dikarenakan banyak dukungan dari masyarakat sebagai calon presiden 2024. Selain mendapatkan dukungan Ganjar Pranowo juga mendapatkan berbagai kritik dan saran bahkan ujaran kebencian. Metode yang digunakan pada analisis sentimen ini adalah perbandingan algoritma Naïve Bayes dan Support Vector Machine (SVM). Tahapan penelitian ini mengambil data dengan menggunakan metode crawling tweet dengan total 1229 data. Data tweet yang telah di crawling kemudian dilakukan preprocessing untuk di bersihkan lalu dihapus data yang tidak diperlukan dan melakukan metode ekstraksi fitur. Selanjutnya data akan diproses melalui Klasifikasi sentimen menggunakan perbandingan pembelajaran mesin (machine learning) seperti Naïve Bayes dan Support Vector Machine . Hasil dari penelitian menunjukan bahwa Support Vector Machine mendapatkan kinerja yang lebih baik dengan nilai accuracy 94% sedangkan untuk Naïve Bayes mendapatkan hasil accuracy 87%.
| Item Type: | Thesis (S1 - Sarjana) | ||
|---|---|---|---|
| Contributor: |
|
||
| Uncontrolled Keywords: | Sentimen analisis, Klasifikasi, Naïve bayes dan Support Vector Machine, Tweet. | ||
| 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: | 11 Jan 2024 03:16 | ||
| Last Modified: | 11 Jan 2024 03:16 | ||
| URI: | http://eprints.amikom.ac.id/id/eprint/23551 |
Actions (login required)
 |
View Item |