Zakiyyatunisah, Nurul Islamy - 165410111 (2020) ANALISIS SENTIMEN PADA MEDIA SOSIAL TWITTER TERHADAP KINERJA KABINET INDONESIA MAJU MENGGUNAKAN K-MEANS. Skripsi thesis, STMIK AKAKOM YOGYAKARTA.
|
Text
1_165410111_HALAMAN_DEPAN.pdf - Published Version Download (870kB) | Preview |
|
|
Text
2_165410111_BAB_I.pdf - Published Version Download (308kB) | Preview |
|
|
Text
3_165410111_BAB_II.pdf - Published Version Download (533kB) | Preview |
|
![[img]](http://eprints.akakom.ac.id/style/images/fileicons/text.png) |
Text
4_165410111_BAB_III.pdf - Published Version Restricted to Repository staff only Download (679kB) |
|
|
Text
5_165410111_BAB_IV.pdf - Published Version Restricted to Repository staff only Download (975kB) |
|
|
Text
6_165410111_BAB_V.pdf - Published Version Download (188kB) | Preview |
|
|
Text
7_165410111_DAFTAR_PUSTAKA.pdf - Published Version Download (405kB) | Preview |
|
|
Text
8_165410111_CARA_MENJALANKAN_PROGRAM.pdf - Published Version Download (553kB) | Preview |
|
|
Text
9_165410111_LISTING_PROGRAM.pdf - Published Version Restricted to Repository staff only Download (1MB) |
|
|
Text
10_165410111_LAMPIRAN_HITUNG_K-MEANS.pdf - Published Version Download (565kB) | Preview |
Abstract
Kabinet Indonesia maju adalah kabinet pemerintahan Indonesia pimpinan Presiden Joko Widodo dan Wakil Presiden Ma’ruf Amin. Dengan telah dilantiknya para menteri ini, masyarakat akan melihat atau mempertimbangkan serta memberikan berbagai opini ataupun komentar yang beragam dari kinerja mereka. Opini tersebut termasuk kedalam text mining yang akan dilakukan analisis sentimen dengan melakukan training data menggunakan teknik clustering salah satunya adalah K-Means. Dimana data tweet yang digunakan terlebih dahulu melalui proses preprocessing untuk merapikan data serta dilakukan pembobotan dengan TF-IDF (Term Frequency – Inverse Document Frequency) untuk mendapatkan nilai tiap fitur atau kata yang nantinya akan dihitung menggunakan K-Means clustering untuk mendapatkan nilai dengan menggunakan rumus jarak manhattan. Dimana klaster ditentukan dari nilai minimum atau nilai terdekat ke centroid yang ada. Dengan teknik clustering ini fitur-fitur yang mirip dikelompokan ke dalam satu klaster. Sistem yang dibuat ini dapat mengkelompokan menjadi tiga klaster yaitu positif, netral dan negatif. Dari 4728 data tweet yang diambil untuk training data yang diambil dari tanggal 23 Oktober 2019 sampai 31 Juli 2020 memiliki persentase 2.34% nilai positif dengan jumlah 115 tweet, 44.71% nilai netral dengan jumlah 2114 tweet. dan 52.86% nilai negatif dengan jumlah 2499 tweet dan berhenti pada iterasi ke-3. Kata Kunci : analisis sentiment, clustering, K-Means
| Item Type: | Thesis (Skripsi) |
|---|---|
| Additional Information: | Pembimbing : Dini Fakta Sari, S.T., M.T |
| Uncontrolled Keywords: | Analisis sentiment, clustering, K-Means |
| Subjects: | A Karya Umum (General) > Ilmu Komputer (Computer Science) > Bahasa Pemrograman A Karya Umum (General) > Ilmu Komputer (Computer Science) > Sistem Informasi |
| Divisions: | Jenjang Strata Satu > Teknik Informatika (Informatic Engineering) |
| Depositing User: | Mr. Andi Setyanto |
| Date Deposited: | 25 Nov 2020 06:34 |
| Last Modified: | 25 Nov 2020 06:34 |
| URI: | http://eprints.akakom.ac.id/id/eprint/9058 |
Actions (login required)
 |
View Item |
