ANALISIS SENTIMEN PADA SOSIAL MEDIA X TERHADAP KENAIKAN UANG KULIAH TUNGGAL (UKT) PERGURUAN TINGGI DI INDONESIA MENGGUNAKAN ALGORITMA SUPPORT VECTOR MACHINE(SVM)

Ramadhan, Sabian Lintang Alam (2024) ANALISIS SENTIMEN PADA SOSIAL MEDIA X TERHADAP KENAIKAN UANG KULIAH TUNGGAL (UKT) PERGURUAN TINGGI DI INDONESIA MENGGUNAKAN ALGORITMA SUPPORT VECTOR MACHINE(SVM). S1 - Sarjana thesis, Universitas AMIKOM Yogyakarta.

	Text (COVER-ABSTRAK) COVER.pdf Download (2MB)
	Text (BAB I) BAB I.pdf Download (215kB)
	Text (BAB II) BAB II.pdf Restricted to Registered users only Download (585kB)
	Text (BAB III) BAB III.pdf Restricted to Registered users only Download (343kB)
	Text (BAB IV) BAB IV.pdf Restricted to Registered users only Download (352kB)
	Text (BAB V) BAB V.pdf Download (129kB)
	Text (DAFTAR PUSTAKA-LAMPIRAN) Daftar Pustaka dan Lampiran.pdf Restricted to Registered users only Download (129kB)
	Archive (SOURCE CODE) Sourcecode - 20.11.3516.zip Restricted to Repository staff only Download (904kB)
	Text (PUBLIKASI) Publikasi.pdf Restricted to Repository staff only Download (696kB)

Abstract

Masalah tentang kebijakan yang diterapkan oleh pemerintah di mediasosial X telah menjadi perhatian utama karena dampak negatifnya terhadapMasyarakat, termasuk polarisasi opini, konflik sosial, dan kekerasan. Penelitianini bertujuan untuk mengatasi masalah tersebut dengan mengembangkan sistemanalisis sentimen menggunakan algoritma Support Vector Machine (SVM) untukmengidentifikasi dan menganalisis hatespeech. Dengan menggunakan SVM, dihaarapkan dapat meningkatkan kemampuan untuk secara akurat membedakanantara konten yang mengandung ujaran kebencian, tidak mengandung ujarankebencian, dan yang netral, sehingga memungkinkan langkah-langkahpencegahan yang lebih efektif di media sosial X. Metode penelitian ini meliputi beberapa tahap, mulai dari preprocessingteks untuk membersihkan data hingga pelatihan model SVMdan evaluasi performa. Preprocessing melibatkan normalisasi teks, tokenisasi, danpenghapusan stopwords, sementara fitur-fitur penting diekstraksi menggunakanpendekatan Bag-of-Words (BoW) dan TF-IDF. Model SVMkemudian dilatihmenggunakan dataset yang telah dilabeli secara manual, yang mencakup berbagai contoh teks yang dikategorikan sebagai hatespeech bukan hatespeech, atau netral. Hasil penelitian menunjukkan bahwa sistem yang dikembangkan mampumengidentifikasi hatespeech dengan tingkat akurasi yang tinggi. Namun, masihterdapat tantangan dalam membedakan antara hatespeech dan kontenkontroversial atau provokatif. Meskipun demikian, pendekatan ini memberikankontribusi yang signifikan dalam upaya penanggulangan ujaran kebenciandi media sosial X dengan menyediakan kerangka kerja analisis sentimen yang efektif. Diharapkan dengan pengembangan lebih lanjut, sistem ini dapat membantumeningkatkan keamanan dan kenyamanan pengguna media sosial X.

Actions (login required)

View Item