Analisis Sentimen Pendapat Masyarakat Indonesia Mengenai PSBB Menggunakan Support Vector Machine, Naive Bayes, dan Logistic Regression

Eliel Hernella, Eins (2021) Analisis Sentimen Pendapat Masyarakat Indonesia Mengenai PSBB Menggunakan Support Vector Machine, Naive Bayes, dan Logistic Regression. Bachelor Thesis thesis, Universitas Multimedia Nusantara.

[img]
Preview
PDF
HALAMAN_AWAL.pdf

Download (2MB) | Preview
[img]
Preview
PDF
DAFTAR_PUSTAKA.pdf

Download (453kB) | Preview
[img]
Preview
PDF
BAB_I.pdf

Download (667kB) | Preview
[img]
Preview
PDF
BAB_II.pdf

Download (702kB) | Preview
[img]
Preview
PDF
BAB_III.pdf

Download (657kB) | Preview
[img] PDF
BAB_IV.pdf
Restricted to Registered users only

Download (2MB)
[img]
Preview
PDF
BAB_V.pdf

Download (216kB) | Preview
[img]
Preview
PDF
LAMPIRAN.pdf

Download (1MB) | Preview

Abstract

Virus COVID - 19 telah dinyatakan oleh WHO sebagai pandemi global. Dimana dalam Indonesia menerapkan upaya Pembatasan Sosial Berskala Besar (PSBB). Hal tersebut menyebabkan peningkatan penggunaan internet dan juga aktivitas masyarakat pada media sosial. Salah satu media sosial yang paling banyak digunakan untuk berbagi informasi dan beropini adalah Twitter. Penelitian yang dilakukan ini adalah analisis sentimen masyarakat mengenai PSBB menggunakan data teks berupa tweets yang diperoleh dari media sosial Twitter. Tujuan dilakukannya penelitian ini adalah untuk menganalisis sentimen masyarakat mengenai PSBB serta menemukan algortima terbaik dalam mengklasifikasi sentimen PSBB. Algoritma klasifikasi yang digunakan dalam menganalisis sentimen ini terdiri dari Support Vector Machine, Naïve Bayes, dan Logistic Regression. Kemudian menggunakan metode K-fold Cross Validation untuk menemukan performa terbaik dari setiap algoritma dengan membandingkan nilai akurasi dan AUC yang dihasilkan. Hasil dari penelitian analisis sentimen ini menemukan bahwa algoritma paling tepat untuk klasifikasi sentimen PSBB adalah Support Vector Machine. Algoritma tersebut berhasil menghasilkan akurasi sebesar 72,79% dan nilai AUC 0,815. Dimana dalam perbandingannya, SVM memiliki peringkat pertama dengan akurasi terbaik dan memiliki kemampuan klasifikasi yang baik. Sementara itu, algoritma Logistic Regression menempati peringkat kedua setelah SVM dan pada peringkat terakhir adalah Naïve Bayes.

Item Type: Thesis (Bachelor Thesis)
Uncontrolled Keywords: Analisis Sentimen, Logistic Regression, Naïve Bayes, Pembatasan Sosial Berskala Besar, Support Vector Machine, Twitter
Subjects: T Technology > T Technology (General) > T55 Industrial engineering. Management engineering > T70 Information System
Divisions: Fakultas Teknik Informatika > Program Studi Sistem Informasi
SWORD Depositor: mr admin umn
Depositing User: mr admin umn
Date Deposited: 24 Aug 2021 14:37
Last Modified: 24 Aug 2021 14:37
URI: http://kc.umn.ac.id/id/eprint/16924

Actions (login required)

View Item View Item