Hutama, Davindick (2021) Perbandingan Analisis Sentimen Pendidikan di Indonesia Selama Covid-19 pada Media Sosial Twitter dengan Metode Naïve Bayes, KNN, dan SVM. Bachelor Thesis thesis, Universitas Multimedia Nusantara.
Abstract
Masyarakat di Indonesia belakangan ini gempar karena munculnya virus mematikan yang dikenal sebagai virus corona atau COVID-19. Munculnya virus ini di Indonesia diketahui masyarakat setelah pemerintah mengeluarkan berita tentang munculnya dua warga negara Indonesia terkena virus corona pada tanggal 2 Maret 2020. Munculnya virus ini membuat beberapa sektor penting di Indonesia mengalami dampak cukup serius terutama sektor pendidikan. Pelaksanaan pendidikan di Indonesia menjadi tidak stabil setelah pemerintah mengeluarkan peraturan pembatasan sosial dan melakukan proses pembelajaran dari rumah atau daring. Penelitian ini menggunakan metode Analisa sentimen atau biasa disebut dengan opinion mining yang merupakan sebuah Natural Language Processing. Pada dasarnya penelitian ini ditujukan untuk melakukan klasifikasi sentimen masyarakat melalui media sosial Twitter terhadap jalannya pendidikan di Indonesia selama masa pandemi COVID-19. Perbandingan sentimen dilakukan menggunakan metode Naïve Bayes, K- NN, dan SVM untuk mengetahui hasil prediksi dan akurasi sentimen, dengan menggunakan nilai Area Under Curve (AUC) yang dapat memperkuat hasil akurasi yang dihasilkan masing masing metode. Hasil yang didapatkan selama melakukan penelitian ini menunjukkan bahwa algoritma Support Vector Machine memiliki tingkat akurasi yang lebih tinggi dengan tingkat akurasi sebesar 81.25% dengan nilai AUC sebesar 0.856 yang masuk kedalam kategori Good Classification. Selain itu penelitian ini juga mendapatkan sentimen masyarakat terhadap pelaksanaan pendidikan di Indonesia selama masa pandemi COVID-19 yang memiliki sentimen bersifat cenderung positif.
Item Type: | Thesis (Bachelor Thesis) |
---|---|
Keywords: | Analisa Sentimen, AUC, COVID-19, K-NN, Naïve Bayes, SVM, Twitter |
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: | 24 Aug 2021 15:35 |
Last Modified: | 03 Aug 2023 07:58 |
URI: | https://kc.umn.ac.id/id/eprint/15880 |
Actions (login required)
View Item |