Yahya, Farhan (2025) PERBANDINGAN MODEL KLASIFIKASI DALAM ANALISIS SENTIMEN PENGGUNA TWITTER TERHADAP FILM VINA: SEBELUM 7 HARI. S1 - Sarjana thesis, Universitas AMIKOM Yogyakarta.
![[img]](https://eprints.amikom.ac.id//style/images/fileicons/text.png) |
Text (COVER-ABSTRAK)
COVER.pdf Download (1MB) |
|
Text (BAB I)
BAB I.pdf Download (181kB) |
|
Text (BAB II)
BAB II.pdf Restricted to Registered users only Download (654kB) |
|
Text (BAB III)
BAB III.pdf Restricted to Registered users only Download (263kB) |
|
Text (BAB IV)
BAB IV.pdf Restricted to Registered users only Download (1MB) |
|
Text (BAB V)
BAB V.pdf Download (42kB) |
|
Text (DAFTAR PUSTAKA-LAMPIRAN)
Daftar Pustaka dan Lampiran.pdf Restricted to Registered users only Download (179kB) |
![[img]](https://eprints.amikom.ac.id//style/images/fileicons/archive.png) |
Archive (SOURCE CODE)
Sourcecode - 21.12.2168.zip Restricted to Repository staff only Download (123MB) |
|
Text (PUBLIKASI)
Publikasi.pdf Restricted to Repository staff only Download (761kB) |
Abstract
Twitter merupakan media sosial yang berkembang pesat dan seringdigunakan sebagai sumber data untuk menganalisis sentimen masyarakat terhadapsuatu topik, termasuk kasus kriminal seperti film Vina: Sebelum 7 Hari yang mengangkat kisah nyata dan memicu pro dan kontra. Film ini banyak dikritikkarena dianggap tidak etis dan mengeksploitasi peristiwa tragis. Oleh karena itu,penelitian ini bertujuan untuk menganalisis sentimen pengguna Twitter terhadapfilm tersebut dengan menggunakan tiga model algoritma, yaitu Naïve Bayes, Random Forest, dan Support Vector Machine (SVM). Hasil analisis menunjukkanbahwa sentimen negatif mendominasi dengan 677 data, sementara sentimen positihanya 309 data. Dalam pengujian performa, SVM mencapai akurasi tertinggisebesar 88%, diikuti oleh Random Forest sebesar 83% dan Naïve Bayes sebesa76%. Berdasarkan hasil tersebut, model algoritma SVM terbukti sebagai modelyang paling efektif dalam menganalisis sentimen pengguna Twitter terhadap film Vina: Sebelum 7 Hari.
| Item Type: | Thesis (S1 - Sarjana) | ||
|---|---|---|---|
| Contributor: |
|
||
| Uncontrolled Keywords: | Analisis Sentimen, Twitter, Naïve Bayes, Random Forest, Support Vector Machine (SVM) | ||
| Subjects: | 000 - Komputer, Informasi dan Referensi Umum > 000 Ilmu komputer, ilmu pengetahuan dan sistem-sistem > 005 Pemrograman komputer, program dan data 000 - Komputer, Informasi dan Referensi Umum > 000 Ilmu komputer, ilmu pengetahuan dan sistem-sistem > 006 Metode komputer khusus |
||
| Divisions: | Fakultas Ilmu Komputer > Sistem Informasi | ||
| Depositing User: | RC Universitas AMIKOM Yogyakarta | ||
| Date Deposited: | 22 Apr 2025 04:48 | ||
| Last Modified: | 22 Apr 2025 04:48 | ||
| URI: | http://eprints.amikom.ac.id/id/eprint/29570 |
Actions (login required)
 |
View Item |