Eka Putra, Aria (2021) Perancangan dan Pengembangan Basis Data Tidak Terstruktur untuk Aplikasi Sentiment Analysis Twitter dan Instagram Bahasa Indonesia. Bachelor Thesis thesis, Universitas Multimedia Nusantara.
![[img]](https://kc.umn.ac.id/style/images/fileicons/text.png)
Abstract
Ribuan bahkan jutaan informasi mengalir di media sosial setiap harinya. Hal ini membuat banyak organisasi atau perusahaan yang tertarik dalam meneliti opini yang ada di media sosial khususnya Twitter dan Instagram dalam bentuk analisis sentimen. Analisis sentimen adalah salah satu produk dari Big Data yang menggunakan dokumen tidak terstruktur seperti hasil review, konten media sosial, respon dari survei, dsb. dalam jumlah besar. Dewasa ini, basis data relasional biasa dinilai kurang efektif dalam menangani karakteristik dari Big Data. Untuk itu, penelitian kali ini akan berfokus tentang bagaimana merancang dan membangun sebuah basis data yang dapat menangani dokumen berisikan opini yang ada di media sosial. Data untuk pengujian aplikasi berupa sampel dari tweet dan komen berdasarkan kata kunci `mrtjkt' dengan total 18,900 entri data yang diambil dan disatukan menjadi file CSV. Kemudian perancangan basis data akan dilakukan menggunakan pendekatan top-down development untuk nantinya diimplementasikan pada MongoDB secara fisik lalu diuji ke dalam sebuah aplikasi analisis sentimen menggunakan uji black-box. Terakhir, menilai kecepatan operasi pada grafik Opscounters yang disediakan oleh MongoDB Atlas. Hasil penelitian menunjukkan ketika melakukan perbandingan proses analisis sentimen terhadap data dengan jumlah yang 25% lebih sedikit, besarnya data serta kompleksitasnya ketika diproses dalam aplikasi hanya mempengaruhi dua metrik operasi dalam basis data yaitu insert dan getmore. Dengan kecepatan waktu tempuh untuk operasi insert pada analisis menggunakan 18,900 entri data selama 16,800 ms dan untuk operasi getmore selama 3,000 ms. Ketika dibandingkan dengan data yang lebih sedikit, jarak kecepatan pada operasi insert mencapai 54.1% dan pada operasi getmore mencapai 40%.
| Item Type: | Thesis (Bachelor Thesis) |
|---|---|
| Keywords: | Analisis Sentimen, Aplikasi ShinyR, Media Sosial, MongoDB Atlas, Rancangan Basis Data |
| Subjects: | 000 Computer Science, Information and General Works > 000 Computer Science, Knowledge and Systems > 006 Special Computer Methods |
| Divisions: | Faculty of Engineering & Informatics > Information System |
| SWORD Depositor: | Administrator UMN Library |
| Depositing User: | Administrator UMN Library |
| Date Deposited: | 06 Oct 2022 02:07 |
| Last Modified: | 18 Jul 2023 00:44 |
| URI: | https://kc.umn.ac.id/id/eprint/17948 |
Actions (login required)
 |
View Item |
