Tunggawan, Elvyna (2016) Analisis sentimen media twitter menggunakan naive bayesian studi kasus: prediksi polling kandidat Presiden Amerika Serikat 2016. Bachelor Thesis thesis, Universitas Multimedia Nusantara.
Abstract
Amerika Serikat merupakan salah satu negara yang paling berpengaruh di dunia. Kebijakan yang diambil ditentukan oleh pemerintah dan bergantung pada sudut pandang presidennya. Oleh karena itu, penting untuk mengetahui siapa yang berpeluang menjadi Presiden Amerika Serikat berikutnya. Penelitian sebelumnya telah melakukan prediksi hasil Pemilihan Presiden Amerika Serikat 2008 dan 2012 berdasarkan data Twitter menggunakan metode preprocessing data yang relatif kompleks. Pada penelitian ini, penulis memanfaatkan data Twitter yang melalui tahap preprocessing lebih sederhana untuk memprediksi hasil polling kandidat Presiden Amerika Serikat 2016. Prediksi dilakukan dengan menggunakan model Naive Bayesian dan dilatih dengan 33.708 tweet yang sudah melalui tahap preprocessing sederhana serta diberi label secara manual. Metode preprocessing dilakukan sesederhana mungkin agar tidak mengubah makna tweet. Model berhasil mencapai akurasi sebesar 95,8% dan memprediksi Bernie Sanders serta Ted Cruz sebagai kandidat Partai Demokrat dan Republik yang unggul. Namun, model hanya memiliki akurasi 26,7% ketika dibandingkan dengan RealClearPolitics.com.
Item Type: | Thesis (Bachelor Thesis) |
---|---|
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 300 Social Sciences > 300 Social sciences, sociology and anthropology > 302 Social interaction, Interpersonal interaction > 302.14 Social Participation 300 Social Sciences > 320 Political science > 324 Political Process (Incl. Election Systems and Procedures, Votings) |
Divisions: | Faculty of Engineering & Informatics > Information System |
Depositing User: | Administrator UMN Library |
Date Deposited: | 25 Jul 2017 01:53 |
Last Modified: | 20 Jan 2022 08:12 |
URI: | https://kc.umn.ac.id/id/eprint/1282 |
Actions (login required)
View Item |