Safitri, Helda Ludya (2021) ANALISIS SENTIMEN TINDAKAN PEMERINTAH INDONESIA PADA KASUS COVID-19 MENGGUNAKAN METODE SUPPORT VECTOR MACHINE. Skripsi thesis, STMIK AKAKOM YOGYAKARTA.
|
Text
1_175410186_HALAMAN_DEPAN.pdf - Published Version Download (922kB) | Preview |
|
|
Text
2_175410186_BAB_I.pdf - Published Version Download (309kB) | Preview |
|
|
Text
3_175410186_BAB_II.pdf - Published Version Download (734kB) | Preview |
|
![[img]](http://eprints.akakom.ac.id/style/images/fileicons/text.png) |
Text
4_175410186_BAB_III.pdf - Published Version Restricted to Repository staff only Download (1MB) |
|
|
Text
5_175410186_BAB_IV.pdf - Published Version Restricted to Repository staff only Download (714kB) |
|
|
Text
6_175410186_BAB_V.pdf - Published Version Download (185kB) | Preview |
|
|
Text
7_175410186_DAFTAR_PUSTAKA.pdf - Published Version Download (187kB) | Preview |
|
|
Text
8_175410186_CARA_MENJALANKAN_PROGRAM.pdf - Published Version Download (264kB) | Preview |
|
|
Text
9_175410186_LISTING_PROGRAM.pdf - Published Version Restricted to Repository staff only Download (833kB) |
Abstract
Dunia maya menjadi tempat bersosialisasi yang diminati oleh banyak orang melalui media sosial untuk saling berkomunikasi atau menggali informasi, salah satu media sosial yang banyak digunakan di Indonesia adalah Twitter. Twitter sebagai salah satu media sosial sering menjadi wadah untuk penyampaian pesan berupa opini masyarakat, salah satunya opini terhadap kasus Covid-19. Oleh karena itu, peneliti mencoba menganalisa tweet berbahasa Indonesia yang berupa opini masyarakat terhadap tindakan pemerintah dalam kasus Covid-19. Penelitian ini dilakukan dengan menganalisis sentimen menggunakan metode Support Vector Machine (SVM) dengan Kernel Radial Basis Function (RBF). Tweet akan diklasifikasi menjadi sentimen positif, negatif, dan netral, sehingga dapat diketahui seberapa banyak persentase dari masing-masing kategori opini. Penelitian ini menggunakan data sebanyak 600 tweet yang diperoleh dari hasil scraping menggunakan twitterscraper. Hasil dari penelitian ini adalah tingkat akurasi pelatihan sebesar 77% dalam melakukan klasifikasi sentimen positif, negatif, dan netral. Dari hasil klasifikasi data, diperoleh sebagian besar tweet terdiri dari sentimen negatif. Kendala dalam proses analisis sentimen adalah terbatasnya jumlah data dan sebagian besar data berisi katakata singkatan yang tidak dapat dibersihkan pada saat praproses data. Kata Kunci : Analisis Sentimen, RBF, SVM, Twitter
| Item Type: | Thesis (Skripsi) |
|---|---|
| Uncontrolled Keywords: | Analisis Sentimen, RBF, SVM, Twitter |
| Subjects: | A Karya Umum (General) > Ilmu Komputer (Computer Science) > Kecerdasan Buatan (Artificial Intelegence) A Karya Umum (General) > Ilmu Komputer (Computer Science) > Program Aplikasi |
| Divisions: | Jenjang Strata Satu > Teknik Informatika (Informatic Engineering) |
| Depositing User: | Mr. Andi Setyanto |
| Date Deposited: | 04 Mar 2021 02:12 |
| Last Modified: | 04 Mar 2021 02:12 |
| URI: | http://eprints.akakom.ac.id/id/eprint/9140 |
Actions (login required)
 |
View Item |
