ANALISIS SENTIMEN PADA MEDIA SOSIAL TWITTER TERHADAP GANJAR PRANOWO SEBAGAI CALON PRESIDEN 2024 MENGGUNAKAN METODE NAÏVE BAYES CLASSIFIER

SULASTRI, - 205410083 (2024) ANALISIS SENTIMEN PADA MEDIA SOSIAL TWITTER TERHADAP GANJAR PRANOWO SEBAGAI CALON PRESIDEN 2024 MENGGUNAKAN METODE NAÏVE BAYES CLASSIFIER. Skripsi thesis, Universitas Teknologi Digital Indonesia.

	Text (HALAMAN DEPAN) 1_205410083_HALAMAN_DEPAN.pdf - Published Version Download (622kB)
	Text (BAB I) 2_205410083_BAB_I.pdf - Published Version Download (2MB)
	Text (BAB II) 3_205410083_BAB_II.pdf - Published Version Download (2MB)
	Text (BAB III) 4_205410083_BAB_III.pdf - Published Version Restricted to Repository staff only Download (2MB)
	Text (BAB IV) 5_205410083_BAB_IV.pdf - Published Version Restricted to Repository staff only Download (2MB)
	Text (BAB V) 6_205410083_BAB_V.pdf - Published Version Download (2MB)
	Text (DAFTAR PUSTAKA) 7_205410083_DAFTAR_PUSTAKA.pdf - Published Version Download (2MB)
	Text (CARA MENJALANKAN PROGRAM) 8_205410083_CARA_MENJALANKAN_PROGRAM.pdf - Published Version Download (105kB)
	Text (LISTING PROGRAM) 9_205410083_LISTING_PROGRAM.pdf - Published Version Restricted to Repository staff only Download (163kB)

Abstract

Analisis sentimen banyak digunakan dalam menilai sentimen terhadap suatu objek. Pada penelitian ini objek yang diambil yaitu analisis sentimen terhadap Ganjar Pranowo sebagai calon presiden 2024 yang sedang marak diperbincangkan oleh warganet, khususnya di twitter. Penelitian ini menggunakan algoritma Naive Bayes Classifier dan mengambil data yang berhubungan terhadap calon presiden untuk melihat opini masyarakat kepada Ganjar Pranowo. Data yang diambil yaitu data twitter dengan kata kunci Ganjara Pranowo, GanjarMahfud2024, dan GanjarMahfudMenang sehingga diperoleh 4315 data yang diambil pada tanggal 1januari sampai dengan 12 februari. Hasil dari pengujian menggunakan naive bayes classifier mendapatkan accuracy sebesar 74%. Selain itu, dilakukan perbandingan akurasi pelabelan menggunakan metode Lexicon-Based dan TextBlob dengan rasio data 90:10, 80:20, dan 50:50. Metode Lexicon-Based mencapai akurasi 65% pada rasio 90:10 dan 80:20, serta 63% pada rasio 50:50. Metode TextBlob mencapai akurasi tertinggi 74% pada rasio 90:10, 68% pada rasio 80:20, dan 65% pada rasio 50:50. Metode TextBlob dengan rasio data 90:10 memberikan akurasi terbaik. Kata kunci: Ganjar Pranowo; Klasifikasi sentimen; Naive bayes Classifier; Twitter

Item Type:	Thesis (Skripsi)
Additional Information:	Pembimbing: M Agung Nugroho S.Kom., M.Kom.
Uncontrolled Keywords:	Ganjar Pranowo; Klasifikasi sentimen; Naive bayes Classifier; Twitter
Subjects:	A Karya Umum (General) > Ilmu Komputer (Computer Science) > Analisis Sistem
Divisions:	Jenjang S1 > Informatika (S1)
Depositing User:	Titis Pratiwi
Date Deposited:	12 Sep 2024 03:29
Last Modified:	12 Sep 2024 03:29
URI:	http://eprints.utdi.ac.id/id/eprint/10423

Actions (login required)

View Item