Implementasi Multinomial Naive Bayes pada Aplikasi Analisis Sentimen Terkait Jasa Transportasi Online Via Twitter

Indiarto Pratomo, Bagus (2020) Implementasi Multinomial Naive Bayes pada Aplikasi Analisis Sentimen Terkait Jasa Transportasi Online Via Twitter. Bachelor Thesis thesis, Universitas Multimedia Nusantara.

	Text HALAMAN_AWAL.pdf Restricted to Registered users only Available under License Creative Commons Attribution Share Alike. Download (1MB)
Preview	Text DAFTAR_PUSTAKA.pdf Available under License Creative Commons Attribution Share Alike. Download (210kB) | Preview
Preview	Text BAB_I.pdf Available under License Creative Commons Attribution Share Alike. Download (163kB) | Preview
Preview	Text BAB_II.pdf Available under License Creative Commons Attribution Share Alike. Download (331kB) | Preview
Preview	Text BAB_III.pdf Available under License Creative Commons Attribution Share Alike. Download (188kB) | Preview
	Text BAB_IV.pdf Restricted to Registered users only Available under License Creative Commons Attribution Share Alike. Download (304kB)
Preview	Text BAB_V.pdf Available under License Creative Commons Attribution Share Alike. Download (146kB) | Preview
	Text LAMPIRAN.pdf Restricted to Registered users only Available under License Creative Commons Attribution Share Alike. Download (516kB)

Abstract

Penelitian ini mengusulkan terkait sentimen analisis dengan dataset penyedia jasa transportasi online (GOJEK) yang berasal dari Twitter dengan menggunakan algoritma pengklasifikasian Multinomial Naïve Bayes. Algoritma Multinomial Naïve Bayes digunakan untuk menentukan apakah suatu tweet merupakan sentimen positif atau negatif. Berdasarkan penelitian yang sudah dilakukan sebelumnya, algoritma Multinomial Naïve Bayes memiliki performa yang paling baik ketimbang algoritma pengklasifikasian lainnya. Penelitian ini bertujuan untuk mengimplementasikan algoritma Multinomial Naïve Bayes dengan Bahasa pemrograman Python, serta mengukur tingkat akurasi prediksi yang dibuat oleh sistem. Berdasarkan hasil dari beberapa skenario pengujian, dengan menggunakan confusion matrix, ditemukan bahwa model dengan perbandingan 60:40 dan telah dilakukan down-sampling sehingga dataset seimbang, menghasilkan performa yang paling baik dengan nilai accuracy 75,41%, precision 82,79%, recall 64,16%, dan f-measure 72,30%.

Item Type:	Thesis (Bachelor Thesis)
Keywords:	Analisis Sentimen, Multinomial Naïve Bayes, Requirement Engineering, Transportasi Online, Twitter. Pratomo
Subjects:	000 Computer Science, Information and General Works > 000 Computer Science, Knowledge and Systems > 005 Computer Programming > 005.5 Application / Software
Divisions:	Faculty of Engineering & Informatics > Informatics
SWORD Depositor:	Administrator UMN Library
Depositing User:	Administrator UMN Library
Date Deposited:	05 Dec 2020 08:34
Last Modified:	08 Aug 2023 05:45
URI:	https://kc.umn.ac.id/id/eprint/13364

Actions (login required)

View Item