Dewantara, Akram Kemal (2025) ANALISIS SENTIMEN TWITTER TERHADAP PILPRES INDONESIA 2024 MENGGUNAKAN ALGORITMA NAIVE BAYES DENGAN TEKNIK UNDERSAMPLING UNTUK MENGATASI KETIDAKSEIMBANGAN KELAS. S1 - Sarjana thesis, Universitas AMIKOM Yogyakarta.
![[img]](https://eprints.amikom.ac.id//style/images/fileicons/text.png) |
Text (COVER-ABSTRAK)
COVER.pdf Download (974kB) |
|
Text (BAB I)
BAB I.pdf Download (297kB) |
|
Text (BAB II)
BAB II.pdf Restricted to Registered users only Download (511kB) |
|
Text (BAB III)
BAB III.pdf Restricted to Registered users only Download (562kB) |
|
Text (BAB IV)
BAB IV.pdf Restricted to Registered users only Download (479kB) |
|
Text (BAB V)
BAB V.pdf Download (52kB) |
|
Text (DAFTAR PUSTAKA-LAMPIRAN)
Daftar Pustaka dan Lampiran.pdf Restricted to Registered users only Download (437kB) |
![[img]](https://eprints.amikom.ac.id//style/images/fileicons/archive.png) |
Archive (SOURCE CODE)
Sourcecode - 20.83.0569.zip Restricted to Repository staff only Download (677kB) |
|
Text (PUBLIKASI)
Publikasi.pdf Restricted to Repository staff only Download (515kB) |
Abstract
Analisis sentimen pada platform media sosial seperti Twitter merupakan salah satu cara efektif untuk memahami opini masyarakat terhadap berbagai isu atau topik. Penelitian ini bertujuan untuk mengklasifikasikan sentimen pada tweet berbahasa Indonesia menggunakan algoritma Naive Bayes sebagai model klasifikasi. Teknik undersampling digunakan untuk mengatasi ketidakseimbangan distribusi kelas dalam dataset, yang terdiri dari tiga kategori: positif, negatif, dan netral. Proses penelitian dimulai dengan preprocessing data, termasuk tahap pembersihan teks, tokenisasi, dan stemming. Data kemudian dilabeli menggunakan metode clustering tak terawasi (unsupervised clustering), untuk mempermudah klasifikasi awal. Model dievaluasi menggunakan metrik akurasi, precision, recall, dan F1-score, serta dilengkapi dengan analisis distribusi data, visualisasi word cloud, dan confusion matrix untuk mengevaluasi performa lebih lanjut. Hasil penelitian menunjukkan bahwa penerapan teknik undersampling berhasil meningkatkan keseimbangan distribusi kelas, sementara model Naive Bayes menunjukkan performa yang baik dalam mendeteksi sentimen pada tweet bahasa Indonesia. Nilai akurasi model mencapai 0.90, dengan precision 0.91, recall 0.90, dan F1-score 0.90. Analisis mendalam pada confusion matrix mengungkapkan bahwa model memiliki tingkat kesalahan yang rendah pada prediksi sentimen netral dibandingkan sentimen positif dan negatif. Penelitian ini diharapkan dapat menjadi acuan untuk pengembangan sistem analisis sentimen yang lebih akurat dan efisien, serta memberikan kontribusi signifikan pada bidang Natural Language Processing dan analisis opini publik.
| Item Type: | Thesis (S1 - Sarjana) | ||
|---|---|---|---|
| Contributor: |
|
||
| Uncontrolled Keywords: | Analisis Sentimen, Twitter, Naive Bayes, Ketidakseimbangan Kelas, Teknik Undersampling | ||
| 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 > 006 Metode komputer khusus |
||
| Divisions: | Fakultas Ilmu Komputer > Teknik Komputer | ||
| Depositing User: | RC Universitas AMIKOM Yogyakarta | ||
| Date Deposited: | 17 Mar 2025 03:11 | ||
| Last Modified: | 17 Mar 2025 03:11 | ||
| URI: | http://eprints.amikom.ac.id/id/eprint/28880 |
Actions (login required)
 |
View Item |