Hosyo, Petra Aldevand - 215610041 (2025) PENERAPAN ALGORITMA SUPPORT VECTOR MACHINE PADA ANALISIS SENTIMEN TERHADAP PELUNCURAN DANANTARA. Skripsi thesis, UNIVERSITAS TEKNOLOGI DIGITAL INDONESIA.
![[img]](https://eprints.utdi.ac.id/style/images/fileicons/text.png) |
Text
1_215610041_HALAMAN_DEPAN.pdf - Published Version Download (885kB) |
|
Text
2_215610041_BAB_I.pdf - Published Version Download (283kB) |
|
Text
3_215610041_BAB_II.pdf - Published Version Download (624kB) |
|
Text
4_215610041_BAB_III.pdf - Published Version Restricted to Repository staff only Download (330kB) |
|
Text
5_215610041_BAB_IV.pdf - Published Version Restricted to Repository staff only Download (718kB) |
|
Text
6_215610041_BAB_V.pdf - Published Version Download (270kB) |
|
Text
7_215610041_DAFTAR_PUSTAKA.pdf - Published Version Download (393kB) |
|
Text
8_215610041_LAMPIRAN.pdf - Published Version Download (595kB) |
Abstract
Lembaga Badan Pengelola Investasi Daya Anagata Nusantara (BPI Danantara) yang diluncurkan pada Senin, 24 Februari 2025 telah menimbulkan perbincangan serta pro-kontra di berbagai lapisan masyarakat. Penelitian ini bertujuan untuk melakukan klasifikasi serta analisis kecenderungan sentimen publik terhadap peluncuran lembaga tersebut dengan menggunakan algoritma machine learning Support Vector Machine. Data yang diperoleh berasal dari platform X (Twitter) yang dikumpulkan dengan bantuan tools tweet-harvest pada rentang waktu 24 Februari – 14 Maret 2025. Proses penelitian ini dimulai dengan pengumpulan data lalu seleksi fitur yang relevan yakni full_text kemudian data teks dinormalisasi dengan beberapa tahapan seperti cleaning, case folding, cleansing (URL, mention, hashtag, angka, tanda baca), tokensisasi, stopword removal, stemming, Joining, dan hapus kosong. Kemudian proses pemberian label dilakukan dengan pendekatan berbasis lexicon (lexicon based) dengan kamus InSet Lexicon, kemudian label netral dipisahkan. Data final (positif dan negatif) dibagi menjadi dua bagian dengan rasio 80:20. Proses ekstraksi fitur dilakukan dengan metode TFIDF untuk mendapatkan representasi kata unik (fitur) lalu untuk mengatasi ketidakseimbangan yang terjadi pada data, teknik oversampling dengan SMOTE digunakan untuk menyeimbangkan sebaran data pada data latih. Proses klasifikasi dilakukan Support Vector Machine dengan kernel linear. Model yang dibangun memiliki performa yang cukup baik dengan akurasi 81.86%, dengan FI-score tertinggi pada kelas positif 87% dan untuk kelas negatif hanya mencapai 68%, artinya meskipun performa yang baik dalam mengklasifikasikan sentimen positif namun performanya sedikit kurang optimal untuk kelas negatif. Secara keseluruhan mayoritas opini publik terhadap peluncuran Danantara cenderung positif. Kata Kunci: Analisis Sentimen, Support Vector Machine, Danantara
| Item Type: | Thesis (Skripsi) |
|---|---|
| Additional Information: | Pembimbing : Cosmas Herayawan, S.TP., S.Kom., M.Kom |
| Uncontrolled Keywords: | Analisis Sentimen, Support Vector Machine, Danantara |
| Subjects: | A Karya Umum (General) > Ilmu Komputer (Computer Science) > Algoritma A Karya Umum (General) > Ilmu Komputer (Computer Science) > Analisis Sentimen A Karya Umum (General) > Ilmu Komputer (Computer Science) > Vector Machine |
| Divisions: | Skripsi (S1) > Sistem Informasi (S1) |
| Depositing User: | Mr. Andi Setyanto |
| Date Deposited: | 08 Sep 2025 06:07 |
| Last Modified: | 08 Sep 2025 06:07 |
| URI: | http://eprints.utdi.ac.id/id/eprint/10846 |
Actions (login required)
 |
View Item |
