PERBANDINGAN ALGORITMA NAIVE BAYES DAN SVM DALAM ANALISIS SENTIMEN TWITTER TENTANG KENAIKAN PPN 12%

Pratama, Aditya Ardy (2025) PERBANDINGAN ALGORITMA NAIVE BAYES DAN SVM DALAM ANALISIS SENTIMEN TWITTER TENTANG KENAIKAN PPN 12%. S1 - Sarjana thesis, Universitas AMIKOM Yogyakarta.

	Text (COVER - ABSTRAK) COVER.pdf - Published Version Download (990kB)
	Text (BAB I) BAB I.pdf - Published Version Download (201kB)
	Text (BAB II) BAB II.pdf - Published Version Restricted to Registered users only Download (709kB)
	Text (BAB III) BAB III.pdf - Published Version Restricted to Registered users only Download (355kB)
	Text (BAB IV) BAB IV.pdf - Published Version Restricted to Registered users only Download (2MB)
	Text (BAB V) BAB V.pdf - Published Version Download (100kB)
	Text (DAFTAR PUSTAKA - LAMPIRAN) Daftar Pustaka dan Lampiran.pdf - Published Version Restricted to Registered users only Download (242kB)
	Archive (SOURCE CODE) Sourcecode - 21.11.3986.zip Restricted to Repository staff only Download (4MB)
	Text (PUBLIKASI) Publikasi.pdf - Published Version Restricted to Repository staff only Download (681kB)

Abstract

Penelitian ini bertujuan untuk menganalisis sentimen masyarakat di Twitter terkait kebijakan kenaikan Pajak Pertambahan Nilai (PPN) sebesar 12% serta membandingkan kinerja algoritma Naive Bayes dan Support Vector Machine (SVM) dalam klasifikasi sentimen. Data dikumpulkan dari Twitter dan melalui tahapan preprocessing yang meliputi pembersihan teks, case folding, tokenization, stopword removal, dan stemming. Data kemudian dibagi menjadi data latih dan data uji untuk proses evaluasi model. Hasil eksperimen menunjukkan bahwa model SVM yang dioptimasi menggunakan kernel Radial Basis Function (RBF) memperoleh kinerja terbaik dengan tingkat akurasi sebesar 79,93%. Berdasarkan classification report, SVM menunjukkan performa lebih konsisten dalam mengidentifikasi kelas Negative (f1-score = 0,86) dibandingkan kelas Positive (f1score = 0,65), dengan nilai weighted average f1-score sebesar 0,80. Sementara itu, model Naive Bayes memperoleh akurasi sebesar 74,07%, dengan f1-score sebesar 0,83 pada kelas Negative dan 0,46 pada kelas Positive, serta weighted average f1score sebesar 0,71. Berdasarkan hasil tersebut, dapat disimpulkan bahwa SVM memiliki performa yang lebih unggul dibandingkan Naive Bayes dalam analisis sentimen Twitter terkait kebijakan kenaikan PPN 12%.

Actions (login required)

View Item