Perbandingan Metode Analisis Sentimen terhadap Pariwisata Indonesia pada Media Sosial Twitter (Studi Kasus: Kota Bali)

Steven, Cristian (2020) Perbandingan Metode Analisis Sentimen terhadap Pariwisata Indonesia pada Media Sosial Twitter (Studi Kasus: Kota Bali). Bachelor Thesis thesis, Universitas Multimedia Nusantara.

[img] Text
HALAMAN_AWAL.pdf
Restricted to Registered users only
Available under License Creative Commons Attribution Non-commercial Share Alike.

Download (475kB)
[img]
Preview
Text
DAFTAR_PUSTAKA.pdf
Available under License Creative Commons Attribution Non-commercial Share Alike.

Download (268kB) | Preview
[img]
Preview
Text
BAB_I.pdf
Available under License Creative Commons Attribution Non-commercial Share Alike.

Download (201kB) | Preview
[img]
Preview
Text
BAB_II.pdf
Available under License Creative Commons Attribution Non-commercial Share Alike.

Download (420kB) | Preview
[img]
Preview
Text
BAB_III.pdf
Available under License Creative Commons Attribution Non-commercial Share Alike.

Download (208kB) | Preview
[img] Text
BAB_IV.pdf
Restricted to Registered users only
Available under License Creative Commons Attribution Non-commercial Share Alike.

Download (1MB)
[img]
Preview
Text
BAB_V.pdf
Available under License Creative Commons Attribution Non-commercial Share Alike.

Download (185kB) | Preview
[img] Text
LAMPIRAN.pdf
Restricted to Registered users only
Available under License Creative Commons Attribution Non-commercial Share Alike.

Download (1MB)

Abstract

Oleh : Cristian Steven Sentiment Analysis atau sering disebut juga opinion mining merupakan studi komputasional dari opini-opini orang, appraisal, dan emosi melalui entitas, event dan atribut yang dimiliki. Analisis sentimen sendiri belakangan ini menjadi topik yang populer untuk dijadikan sebuah penelitian dikarenakan analisis sentimen dapat diaplikasikan di banyak sektor industri, salah satunya industri pariwisata di indonesia. Untuk dapat melakukan sebuah analisis sentimen diperlukan penguasaan beberapa teknik seperti teknik untuk melakukan text mining, machine learning dan natural language processing (NLP) untuk dapat memproses data yang besar dan tidak terstruktur yang berasal dari social media. Beberapa metode yang sering digunakan antara lain adalah algoritma Naive Bayes, Neural Network, K-Nearest Neighbor, Support Vector Machines, dan Decision Tree. Oleh karna hal tersebut pada penelitian ini akan membandingkan empat algoritma tersebut sehingga dapat diketahui algoritma yang paling tepat digunakan untuk menganalisa sentimen masyarakat terhadap kota Bali. Proses yang dilakukan untuk dapat melakukan analisa sentimen masyarakat terhadap kota bali dimulai dari data crawling, data pre-proccessing, data labeling, data sharing, sentiment classification, dan result & validation. Hasil analisa sentimen yang dilakukan dengan beberapa algoritma akan dibandingkan berdasarkan nilai Area Under Curve (AUC) yang dihasilkan masing-masing algortima. Hasil dari penelitian menunjukkan bahwa model yang dibuat dengan menggunakan algoritma Support Vector Machine mendapatkan nilai AUC yang lebih besar dibandingkan dengan algoritma Naïve Bayes , Neural Network, K-Nearest Neighbor,dan Decision Tree. Nilai AUC yang dihasilkan sebesar 0,805 dan diklasifikasikan sebagai �Good Classification�. Selain itu dari penelitian ini juga diketahui kota Bali masih menjadi tempat wisata yang ramai diperbincangkan dan memiliki sentimen yang positif.

Item Type: Thesis (Bachelor Thesis)
Keywords: Media Sosial, Twitter, Sentimen Analisis, Bali, Naive Bayes, Neural Network, K-Nearest Neighbor, Support Vector Machines, Decision Tree
Subjects: 000 Computer Science, Information and General Works > 000 Computer Science, Knowledge and Systems > 006 Special Computer Methods > 006.7 Multimedia Systems, Blogs, Social Media, Web Application Frameworks
Divisions: Faculty of Engineering & Informatics > Information System
SWORD Depositor: Administrator UMN Library
Depositing User: Administrator UMN Library
Date Deposited: 05 Dec 2020 03:13
Last Modified: 02 Aug 2023 05:40
URI: https://kc.umn.ac.id/id/eprint/13829

Actions (login required)

View Item View Item