ISARA, SALSABILA NUR - 205610028 (2024) PENERAPAN METODE NAIVE BAYES CLASSIFIER GUNA MENGANALISIS SENTIMEN PENGGUNA MEDIA SOSIAL X PADA PROGRAM PENCEGAHAN STUNTING. Skripsi thesis, Universitas Teknologi Digital Indonesia.
![[img]](https://eprints.utdi.ac.id/style/images/fileicons/text.png) |
Text (HALAMAN DEPAN)
1_205610028_HALAMAN_DEPAN .pdf - Published Version Download (2MB) |
|
Text (BAB I)
2_205610028_BAB_I.pdf - Published Version Download (138kB) |
|
Text (BAB II)
3_205610028_BAB_II.pdf - Published Version Download (156kB) |
|
Text (BAB III)
4_205610028_BAB_III.pdf - Published Version Restricted to Repository staff only Download (102kB) |
|
Text (BAB IV)
5_205610028_BAB_IV.pdf - Published Version Restricted to Repository staff only Download (482kB) |
|
Text (BAB V)
6_205610028_BAB_V.pdf - Published Version Download (10kB) |
|
Text (CARA MENJALANKAN PROGRAM)
7_205610028_CARA_MENJALANKAN_PROGRAM.pdf - Published Version Download (76kB) |
|
Text (LISTING PROGRAM)
8_205610028_LISTING_PROGRAM.pdf - Published Version Restricted to Repository staff only Download (194kB) |
Abstract
Survei asosiasi penyelenggara jasa internet Indonesia pada tahun 2023 menunjukkan bahwa jumlah pengguna internet di Indonesia mencapai 215,63 juta, meningkat 2,67% dari periode sebelumnya. Indonesia merupakan urutan ke-8 di Asia dengan penetrasi internet tertinggi. Media sosial X adalah salah satu platform yang populer di Indonesia. Analisis sentimen, menggunakan metode klasifikasi Naive Bayes, digunakan untuk memahami opini dan pandangan dalam teks, terutama dari sumber internet seperti forum, blog, media sosial, dan situs review. Penelitian ini berfokus pada penggunaan data dari media sosial X untuk mengklasifikasikan teks bahasa Indonesia terkait kebijakan publik di bidang politik, khususnya kebijakan pencegahan stunting yang diusung oleh salah satu pasangan calon presiden dan calon wakil presiden 2024. Tweet yang dikumpulkan mulai tanggal 28 November 2023 hingga 10 Februari 2024. Tweet yang sudah terkumpul akan dilakukan pelabelan menggunakan TextBlob dan akan di klasifikasikan dengan metode Naïve Bayes Classifier dengan model Confusion Matrix. Penelitian ini menggunakan sebanyak 5.664 data, dari hasil preprocessing memperoleh sebanyak 5.630 data sempel, dari proses pelabelan diketahui bahwa terdapat 82% sentimen positif dan 18% sentimen negatif. Dari hasil klasifikasi menggunakan pembagian 80% data latih dan 20% data uji dengan 42 nilai seed acak mendapatkan akurasi sebesar 85%. Pengujian dengan model confusion matrix menghasilkan rata-rata weighted avg dari precision 0.84, recall 0.85 dan f1-score 0.83. Kata Kunci: Analysis Sentiment, Naive Bayes Classifier, Python, TextBlob.
| Item Type: | Thesis (Skripsi) |
|---|---|
| Additional Information: | PEMBIMBING: Sumiyatun, S.Kom., M.Cs, |
| Uncontrolled Keywords: | Analysis Sentiment, Naive Bayes Classifier, Python, TextBlob. |
| Subjects: | A Karya Umum (General) > Ilmu Komputer (Computer Science) > Analisis Sentimen A Karya Umum (General) > Ilmu Komputer (Computer Science) > Metode Naive Bayes Classifiers |
| Divisions: | Jenjang S1 > Sistem Informasi (S1) |
| Depositing User: | Titis Pratiwi |
| Date Deposited: | 28 Mar 2024 02:52 |
| Last Modified: | 28 Mar 2024 02:52 |
| URI: | http://eprints.utdi.ac.id/id/eprint/10330 |
Actions (login required)
 |
View Item |
