Prasetyo, RizKY Ibnu - 185410019 (2024) PERBANDINGAN METODE K-NEAREST NEIGHBOR DAN NAIVE BAYES UNTUK ANALISIS SENTIMEN PROYEK IBUKOTA NEGARA(IKN) DI INDONESIA. Skripsi thesis, UNIVERSITAS TEKNOLOGI DIGITAL INDONESIA.
![[img]](https://eprints.utdi.ac.id/style/images/fileicons/text.png) |
Text
1_185410019_HALAMAN_DEPAN.pdf - Published Version Download (649kB) |
|
Text
2_185410019_BAB I.pdf - Published Version Download (73kB) |
|
Text
3_185410019_BAB II.pdf - Published Version Download (267kB) |
|
Text
4_185410019_BAB III.pdf - Published Version Restricted to Repository staff only Download (177kB) |
|
Text
5_185410019_BAB IV.pdf - Published Version Restricted to Repository staff only Download (347kB) |
|
Text
6_185410019_BAB V.pdf - Published Version Download (58kB) |
|
Text
7_185410019_DAFTAR_PUSTAKA.pdf - Published Version Download (126kB) |
|
Text
9_185410019_CARA_MENJALANKAN_PROGRAM.pdf - Published Version Download (269kB) |
|
Text
10_185410019_LISTING_PROGRAM.pdf - Published Version Restricted to Repository staff only Download (190kB) |
Abstract
Pemindahan ibu kota baru negara Indonesia menjadi perbincangan di media sosial Twitter dan platform media sosial lainnya. Oleh karena itu pastinya diperlukan suatu proses khusus untuk menilai seberapa banyak opini yang terkait dengan proyek Ibu Kota Negara (IKN) tersebut. Sehingga, peneliti tertarik untuk meneliti perihal Analisis Opini Masyarakat dimedia Sosial Twitter Terhadap Proyek Ibu Kota Negara (IKN) di Indonesia menggunakan metode K-Nearest Neighbor dan Naïve Bayes. Metode penelitian yang digunakan oleh peneliti yaitu metode KNearest Neighbor dan Naive Bayes untuk analisis sentimen proyek Ibukota Negara (IKN) di Indonesia. Metode ini digunakan dengan bahan media sosial Twitter berdasarkan opini masyarakat terhadap Proyek IKN. Pengumpulan data dilakukan dengan studi literasi, observasi, pengolahan data, cleaning, case folding, stopword removal, tokenizing, stemming, analisis dan perancangan sistem, dan arsitektur sistem. Hasil penelitian dengan jumlah data training 80% dan data testing 20% diperoleh dengan hasil akurasi K-Nearest Neighbor 68% sedangkan Naïve Bayes 60,6%. Kata Kunci : Analisis sentiment, K-Nearest Neighbor, Naïve bayes
| Item Type: | Thesis (Skripsi) |
|---|---|
| Additional Information: | Pembimbing : Sri Redjeki, S.Si., M.Kom., Ph.D |
| Uncontrolled Keywords: | Analisis sentiment, K-Nearest Neighbor, Naïve bayes |
| 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) > Kecerdasan Buatan (Artificial Intelegence) |
| Divisions: | Jenjang S1 > Informatika (S1) |
| Depositing User: | Mr. Andi Setyanto |
| Date Deposited: | 25 Mar 2024 06:28 |
| Last Modified: | 25 Mar 2024 06:28 |
| URI: | http://eprints.utdi.ac.id/id/eprint/10312 |
Actions (login required)
 |
View Item |
