Masbait, Nurima - 205610029 (2024) ANALISIS SENTIMEN MASYARAKAT TERHADAP SYARAT LULUS PROGRAM SARJANA TIDAK WAJIB SKRIPSI PADA TWITTER DENGAN METODE K-NEAREST NEIGHBOR. Skripsi thesis, UNIVERSITAS TEKNOLOGI DIGITAL INDONESIA.
![[img]](https://eprints.utdi.ac.id/style/images/fileicons/text.png) |
Text
1_205610029_HALAMAN_DEPAN.pdf - Published Version Download (842kB) |
|
Text
2_205610029_BAB_I.pdf - Published Version Download (121kB) |
|
Text
3_205610029_BAB_II.pdf - Published Version Download (261kB) |
|
Text
4_205610029_BAB_III.pdf - Published Version Restricted to Repository staff only Download (303kB) |
|
Text
5_205610029_BAB_IV.pdf - Published Version Restricted to Repository staff only Download (985kB) |
|
Text
6_205610029_BAB_V.pdf - Published Version Download (37kB) |
|
Text
7_205610029_DAFTAR_PUSTAKA.pdf - Published Version Download (114kB) |
|
Text
8_205610029_LISTING_PROGRAM.pdf - Published Version Restricted to Repository staff only Download (804kB) |
Abstract
Skripsi merupakan salah satu syarat kelulusan dalam memperoleh gelar sarjana. Namun dalam kegiatan Merdeka Belajar Episode 26 Transformasi Standar Nasional dan Akreditas Pendidikan Tinggi yang dilaksanakan 29 Agustus 2023, menteri Pendidikan dan Kebudayaan Nadiem Anwar Makarim menyatakan bahwa skripsi tidak lagi menjadi syarat wajib lulus perguruan tinggi program sarjana, namun dapat diganti dalam bentuk lainnya seperti prototipe, proyek, atau bentuk sejenis lainnya. Dari topik tersebut tentu menjadi perhatian masyarakat yang tertuang pada sosial media. Dalam hal ini perlu dilakukan penelitian melihat seberapa besar masyarakat yang setuju dengan adanya program mahasiswa tidak wajib skripsi tersebut. Tahapan yang dilakukan dalam penelitian ini yaitu crawling data dengan tweet harvest, pre-processing yang terdiri dari case folding, tokenizing, normalization, stopword dan stemming. Setelah itu dilakukan pelabelan dengan kamus lexicon bahasa indonesia yang ditentukan secara manual. Kemudian pembobotan kata, selanjutnya proses pengklasifikasian data dengan metode K-Nearest Neighbor dan confusion matrix. Hasil penelitian ini menggunakan 1924 tweet yang telah melalui proses pelabelan terdapat 68% sentimen netral, 18% sentimen positif, dan 13% sentimen negatif. Dari hasil perhitungan 3 skema pengujian analisis senimen metode K-Nearest Neigbors dengan menggunakan tools rapidminer mendapatkan hasil terbaik menggunakan data latih 90% sebanyak 1732 data dan data uji 10% sebanyak 192 dengan k=5 dengan akurasi sebesar 78.12%. Kata Kunci: K-Nearest Neighbors, Analisi sentimen, tweet harvest
| Item Type: | Thesis (Skripsi) |
|---|---|
| Additional Information: | Pembimbing : Totok Suprawoto, Ir., M.M., M.T |
| Uncontrolled Keywords: | K-Nearest Neighbors, Analisi sentimen, tweet harvest |
| Subjects: | A Karya Umum (General) > Ilmu Komputer (Computer Science) > Analisis Sentimen A Karya Umum (General) > Ilmu Komputer (Computer Science) > Situs Jejaring Sosial (Facebook, instagram, dsb) A Karya Umum (General) > Ilmu Komputer (Computer Science) > Program Aplikasi |
| Divisions: | Jenjang S1 > Sistem Informasi (S1) |
| Depositing User: | Mr. Andi Setyanto |
| Date Deposited: | 02 Apr 2024 03:11 |
| Last Modified: | 02 Apr 2024 03:11 |
| URI: | http://eprints.utdi.ac.id/id/eprint/10351 |
Actions (login required)
 |
View Item |
