ANALISIS SENTIMEN MASYARAKAT TERHADAP KEBIJAKAN FOOD ESTATE PADA MEDIA SOSIAL TWITTER MENGGUNAKAN ALGORITMA SUPPORT VECTOR MACHINE

Ridlo, Muhamad Rosyid (2024) ANALISIS SENTIMEN MASYARAKAT TERHADAP KEBIJAKAN FOOD ESTATE PADA MEDIA SOSIAL TWITTER MENGGUNAKAN ALGORITMA SUPPORT VECTOR MACHINE. S1 - Sarjana thesis, Universitas AMIKOM Yogyakarta.

	Text (COVER-ABSTRAK) COVER.pdf Download (1MB)
	Text (BAB I) BAB I.pdf Download (227kB)
	Text (BAB II) BAB II.pdf Restricted to Registered users only Download (648kB)
	Text (BAB III) BAB III.pdf Restricted to Registered users only Download (654kB)
	Text (BAB IV) BAB IV.pdf Restricted to Registered users only Download (893kB)
	Text (BAB V) BAB V.pdf Download (68kB)
	Text (DAFTAR PUSTAKA) Daftar Pustaka.pdf Restricted to Registered users only Download (182kB)
	Archive (SOURCE CODE) Sourcecode - 20.11.3801.zip Restricted to Repository staff only Download (1MB)
	Text (PUBLIKASI) Publikasi.pdf Restricted to Repository staff only Download (1MB)

Abstract

Twitter adalah jejaring sosial populer di Indonesia, digunakan oleh berbagai kalangan. Bagi developer, Twitter adalah sumber data berharga dengan jutaan komentar setiap hari. Food estate, kebijakan pengembangan pangan terintegrasi, menimbulkan pro dan kontra di masyarakat dan kalangan intelektual, yang banyak dibahas di Twitter. Kepopuleran Twitter menjadi alasan penting untuk menganalisis komentar masyarakat secara mendalam, karena kebijakan ini menerima berbagai tanggapan positif dan negatif. Oleh karena itu, analisis sentimen diperlukan untuk mengevaluasi kebijakan dan mengambil tindakan yang diperlukan demi kemajuan proyek ini. Analisis sentimen dilakukan untuk mengklasifikasikan ulasan pengguna menjadi positif, netral dan negatif. Data yang digunakan berasal dari komentar masyarakat melalui media sosial twitter, dikumpulkan melalui teknik crawling menggunakan tweet harvest. Algoritma yang digunakan untuk klasifikasi pada penelitian ini ialah Support Vector Machine (SVM), sedangkan untuk pengkategorian sentimen menggunakan metode Lexicon berbahasa Indonesia. Hasil penelitian menunjukkan bahwa sebanyak 62.69% atau 1491 buah komentar negatif, 26,18% atau 657 komentar positif, dan 11,12% atau 369 komentar netral terhadap kebijakan ini. Hasil pengujian metode Support Vector Machine didapatkan nilai accuracy sebesar 74%, precision sebesar 74%, dan recall sebesar 74%, sedangkan f1 score sebesar 71%. Hasil penelitian ini memberikan gambaran komprehensif terkait respons masyarakat terkait kebijakan Food Estate ini, dan dapat menjadi panduan bagi pemerintah atau instansi terkait berkaitan untuk kebutuhan evaluasi kebijakan dan pengambilan keputusan, serta dapat berguna untuk para mahasiswa serta peneliti kedepannya sebagai acuan untuk penelitian lebih lanjut.

Actions (login required)

View Item