ANALISIS SENTIMEN TWEETS PENGGUNAAN ARTIFICIAL INTELLIGENCE DALAM MENGHASILKAN GAMBAR DI MEDIA SOSIAL X MENGGUNAKAN ALGORITMA NAIVE BAYES DAN SUPPORT VECTOR MACHINE (SVM)

Amirudin, Asnur (2024) ANALISIS SENTIMEN TWEETS PENGGUNAAN ARTIFICIAL INTELLIGENCE DALAM MENGHASILKAN GAMBAR DI MEDIA SOSIAL X MENGGUNAKAN ALGORITMA NAIVE BAYES DAN SUPPORT VECTOR MACHINE (SVM). S1 - Sarjana thesis, Universitas AMIKOM Yogyakarta.

	Text (COVER-ABSTRAK) COVER.pdf Download (1MB)
	Text (BAB I) BAB I.pdf Download (182kB)
	Text (BAB II) BAB II.pdf Restricted to Registered users only Download (691kB)
	Text (BAB III) BAB III.pdf Restricted to Registered users only Download (477kB)
	Text (BAB IV) BAB IV.pdf Restricted to Registered users only Download (1MB)
	Text (BAB V) BAB V.pdf Download (79kB)
	Text (DAFTAR PUSTAKA) Daftar Pustaka.pdf Restricted to Registered users only Download (147kB)
	Archive (SOURCE CODE) Sourcecode - 22.21.1546.zip Restricted to Repository staff only Download (4MB)
	Text (PUBLIKASI) Publikasi.pdf Restricted to Repository staff only Download (661kB)

Abstract

Kecerdasan buatan telah berkembang sangat cepat dalam beberapa tahun terakhir hal ini telah memicu kontroversi dalam berbagai macam bidang terutama bidang seni. Maka dari itu dilakukan penelitian untuk menganalisis sentimen terhadap penggunaan kecerdasan buatan dalam menghasilkan gambar di media sosial X dengan menggunakan algoritma Naive Bayes dan Support Vector Machine. Data yang di analisis sejumlah 25.029 data yang didapatkan melalui crawling tweet dengan rentang Januari hingga Juni 2024. Hasil dari penelitian ini menunjukan bahwa model SVM memiliki performa yang lebih baik dengan akurasi 94.40%, dibandingkan dengan model Naive Bayes yang memiliki akurasi 74.57%. Model Naive Bayes dengan precision sebesar 0.80, recall sebesar 0.75, dan F1-Score sebesar 0.76. Sementara itu, model SVM mencapai, precision sebesar 0.94, recall sebesar 0.94, dan F1-Score sebesar 0.94. Area Under the Curve (AUC) untuk Naive Bayes adalah 0.8589, sedangkan untuk SVM adalah 0.9794. Time processing untuk Naive Bayes didapatkan 0,0637 detik untuk training dan testing sebesar 0,0021 detik sedangkan SVM mendapatkan training 1164,1675 detik, dan testing 10,7715 detik. Hal ini menjadikan SVM sebagai model yang lebih efektif dalam melakukan analisis sentimen tetapi Naive Bayes lebih unggul untuk efisiensi waktu.

Actions (login required)

View Item