Analisa Sentimen Pendapat Masyarakat Indonesia terhadap Aplikasi PeduliLindungi Menggunakan Support Vector Machine, Naïve bayes, dan K-NN

Ramadhan, Savero (2022) Analisa Sentimen Pendapat Masyarakat Indonesia terhadap Aplikasi PeduliLindungi Menggunakan Support Vector Machine, Naïve bayes, dan K-NN. Bachelor Thesis, Universitas Multimedia Nusantara.

	Text HALAMAN_AWAL.pdf Restricted to Registered users only Available under License Creative Commons Attribution Non-commercial Share Alike. Download (2MB)
	Text DAFTAR_PUSTAKA.pdf Restricted to Registered users only Available under License Creative Commons Attribution Non-commercial Share Alike. Download (202kB)
Preview	Text BAB_I.pdf Available under License Creative Commons Attribution Non-commercial Share Alike. Download (238kB) | Preview
Preview	Text BAB_II.pdf Available under License Creative Commons Attribution Non-commercial Share Alike. Download (317kB) | Preview
	Text BAB_III.pdf Restricted to Registered users only Available under License Creative Commons Attribution Non-commercial Share Alike. Download (226kB)
	Text BAB_IV.pdf Restricted to Registered users only Available under License Creative Commons Attribution Non-commercial Share Alike. Download (748kB)
	Text BAB_V.pdf Restricted to Registered users only Available under License Creative Commons Attribution Non-commercial Share Alike. Download (145kB)
	Text LAMPIRAN.pdf Restricted to Registered users only Available under License Creative Commons Attribution Non-commercial Share Alike. Download (973kB)

Abstract

Pada tahun 2020, masyarakat global menyaksikan kemunculan virus corona jenis baru penyebab penyakit virus corona, atau yang sekarang dikenal dengan COVID 19. Indonesia merupakan salah satu negara yang terdampak wabah yang satu ini. Pemerintah telah mengambil langkah tegas dalam memerangi penyebaran virus corona di Indonesia, salah satunya lewat teknologi informasi dengan mengembangkan sebuah aplikasi pelacakan atau contact tracing "Pedulilindungi". Namun kepercayaan masyarakat masih sangatlah minim, dikarenakan beberapa faktor diantaranya adalah informasi yang diberikan kurang tepat dan isu isu kebocoran data pribadi yang dijual secara ilegal. Tujuan dari penelitian ini adalah untuk mengetahui sentiment masyarakat terhadap aplikasi "Pedulilindungi" Penelitian ini menggunakan analisis sentimen menggunakan text mining. Sumber data yang digunakan adalah data tweet melalui aplikasi Twitter. Data tersebut dikategorikan menggunakan SVM, KNN, dan Naive Bayes untuk mengetahui keakuratan hasil klasifikasi prediksi terhadap sentiment masyarakat. Aplikasi yang digunakan untuk analisis dan klasifikasi sentimen adalah Rapidminer Data dikumpulkan dengan jangka waktu tanggal 22 November 2021 hingga 27 Desember 2021 dengan jumlah 7.587.Berdasarkan hasil dari Confusion Matrix yang telah dihasilkan algoritma Support Vector Machines lebih baik digunakan dalam penelitian ini dengan hasil akurasi : 71.59% presisi: 74.39% recall: 58.29%, dan AUC: 0.771 dibandingkan dengan algoritma K-NN dan Naïve bayes

Item Type:	Thesis (Bachelor Thesis)
Creators:	Ramadhan, Savero (00000026795)
Contributors:	Munggana, Wira
Keywords:	K-nn, Naïve bayes, PeduliLindungi, sentimen analisis, Support Vector Machine, vii Analisis Sentimen Pendapat, Savero Ramadhan, Universitas Multimedia Nusantara
Subjects:	000 Computer Science, Information and General Works > 000 Computer Science, Knowledge and Systems > 005 Computer Programming > 005.5 Application / Software 600 Technology (Applied Sciences) > 650 Management and Public Relations > 658 General management (Risk Management, Profit and Loss, Logistics) > 658.3 Personnel, Staff, Employee, Human Resource Management, Training > 658.306 Job Analysis
Sustainable Development Goals:	Goal 03. Ensure healthy lives and promote well-being Goal 09. Build resilient infrastructure, promote inclusive and sustainable industrialization and foster innovation
Divisions:	Faculty of Engineering & Informatics > Information System
Date Deposited:	25 Nov 2022 06:24
URI:	https://kc.umn.ac.id/id/eprint/20156

Actions (login required)

View Item