ANALISIS SENTIMEN ORGANISASI HAMAS PADA TWITTER(X) MENGGUNAKAN ALGORITMA NAÏVE BAYES DAN SUPPORT VECTOR MACHINE

Rizki, Muhamad Arif (2024) ANALISIS SENTIMEN ORGANISASI HAMAS PADA TWITTER(X) MENGGUNAKAN ALGORITMA NAÏVE BAYES DAN SUPPORT VECTOR MACHINE. S1 - Sarjana thesis, Universitas AMIKOM Yogyakarta.

[img] Text (COVER-ABSTRAK)
COVER.pdf
Download (2MB)
[img] Text (BAB I)
BAB I.pdf
Download (187kB)
[img] Text (BAB II)
BAB II.pdf
Restricted to Registered users only
Download (667kB)
[img] Text (BAB III)
BAB III.pdf
Restricted to Registered users only
Download (383kB)
[img] Text (BAB IV)
BAB IV.pdf
Restricted to Registered users only
Download (1MB)
[img] Text (BAB V)
BAB V.pdf
Download (74kB)
[img] Text (DAFTAR PUSTAKA)
Daftar Pustaka.pdf
Restricted to Registered users only
Download (147kB)
[img] Archive (SOURCE CODE)
Sourcecode - 20.11.3350.zip
Restricted to Repository staff only
Download (1MB)
[img] Text (PUBLIKASI)
Publikasi.pdf
Restricted to Repository staff only
Download (878kB)

Abstract

Hamas merupakan kelompok politik dan militer dengan ideologi Islam. Beberapa negara menganggapnya sebagai organisasi teroris. Dan juga masyarakat memiliki opini pribadi dengan Hamas tersebut ke dalam media sosial twitter(x). Twitter(x) merupakan salah satu sosial media yang banyak digunakan oleh masyarakat indonesia maupun mancanegara sebagai alat komunikasi dan sumber informasi. Penelitian ini akan menganalisis sentimen tweet twitter terkait hamas untuk membandingkan antara algoritma Naive Bayes dan Support Vector Machine dengan menggunakan dua pelabelan yaitu vader lexicon dan textblob. Temuan menunjukkan pelabelan vader dengan kelas positif 532, netral 696 dan negatif 974. Sementara textblob dengan kelas positif 577, netral 1122 dan negatif 974. Hasil analisis sentimen perbandingan pada algoritma NB vader memiliki akurasi 72%, sementara NB textblob memiliki akurasi 60%. Sementara SVM vader memiliki akurasi 78%, sedangkan SVM textblob memiliki akurasi 76%. Temuan penelitian ini menunjukkan lebih baik menggunakan SVM menggunakan labelling vader dalam perbandingan algoritma.

Item Type: Thesis (S1 - Sarjana)
Contributor:
Pembimbing
Pradnya, Windha Mega
Uncontrolled Keywords: Hamas, Analisis Sentimen, Naïve Bayes, Support Vector Machine, Vader Lexicon, Textblob
Subjects: 000 - Komputer, Informasi dan Referensi Umum > 000 Ilmu komputer, ilmu pengetahuan dan sistem-sistem > 004 Pemrosesan data dan ilmu komputer
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: 04 Dec 2024 04:45
Last Modified: 04 Dec 2024 04:45
URI: http://eprints.amikom.ac.id/id/eprint/28622

Actions (login required)

View Item View Item