ANALISIS SENTIMEN SEPAKBOLA INDONESIA MENGGUNAKAN SUPPORT VECTOR MACHINE

Wicaksono, Anang Satria (2019) ANALISIS SENTIMEN SEPAKBOLA INDONESIA MENGGUNAKAN SUPPORT VECTOR MACHINE. S1 - Sarjana thesis, Universitas AMIKOM Yogyakarta.

[img] Text (COVER-ABSTRAK)
COVER.pdf

Download (1MB)
[img] Text (BAB I)
BAB I.pdf

Download (263kB)
[img] Text (BAB II)
BAB II.pdf
Restricted to Registered users only

Download (559kB)
[img] Text (BAB III)
BAB III.pdf
Restricted to Registered users only

Download (1MB)
[img] Text (BAB IV)
BAB IV.pdf
Restricted to Registered users only

Download (1MB)
[img] Text (BAB V)
BAB V.pdf

Download (53kB)
[img] Text (DAFTAR PUSTAKA - LAMPIRAN)
Daftar Pustaka dan Lampiran.pdf
Restricted to Registered users only

Download (187kB)
[img] Archive (SOURCE CODE)
Source Code Anang Satria Wicaksono.zip
Restricted to Repository staff only

Download (634kB)
[img] Text (PUBLIKASI)
Publikasi_15.11.9312 Anang Satria Wicaksono.pdf
Restricted to Repository staff only

Download (1MB)

Abstract

Di dalam penelitian ini, peneliti melakukan analisis sentimen terhadap pssi dalam mengelola sepakola Indonesia . Pada penelitian ini juga akan membandingkan akurasi antara 2 model preprocessing data. pada model 1 menggunakan case folding, cleaning, stemming , stopwords removal , filtering, tokenization. Sedangkan pada model 2 menggunakan case folding, cleaning, stemming , stopwords removal , filtering, tokenization. ditambahkan convert emoticon dan slangword. Data yang telah melalui tahap preprocessing kemudian akan dilakukan perhitungan bobot TF-IDF, data yg sudah diberi bobot data akan diklasifikasikan menjadi kelas sentimen positif dan negative menggunakan metode Support Vector machine. Kemudian dilakukan evaluasi dan validasi menggunakan Confusion Matriks dan K-fold cross validation. Hasil dari penelitian yang sudah dilakukan menunjukkan sentimen terhadap PSSI cenderung negatif, dan perhitungan akurasi menunjukkan bahwa model 1 lebih unggul dibanding dengan mendapat tingkat akurasi 88.70% menggunakan perhitungan confusion matrix dan 88.29% menggunakan perhitungan k-fold Cross Validation, sedangkan model 2 mendapat akurasi 86.65% menggunakan perhitungan confusion matriks dan 87.59% menggunakan perhitungan k-fold Cross Validation

Item Type: Thesis (S1 - Sarjana)
Contributor:
Pembimbing
Pradnya, Windha Mega
Uncontrolled Keywords: sentimen analisis, preprocessing, klasifikasi, support vector machine, k-fold cross validation Confusion Matriks, K-fold cross validation.
Subjects: 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: 27 Jul 2022 07:12
Last Modified: 07 Sep 2023 02:59
URI: http://eprints.amikom.ac.id/id/eprint/4197

Actions (login required)

View Item View Item