Analisis sentimen Masyarakat terhadap Program Kampus Merdeka Menggunakan K-Nearest Neighbor dan Convolutional Neural Network (Studi Kasus Twitter)

Alief Maulana, Nur (2022) Analisis sentimen Masyarakat terhadap Program Kampus Merdeka Menggunakan K-Nearest Neighbor dan Convolutional Neural Network (Studi Kasus Twitter). Bachelor Thesis thesis, Universitas Multimedia Nusantara.

Preview	PDF HALAMAN_AWAL.pdf Download (1MB) | Preview
Preview	PDF DAFTAR_PUSTAKA.pdf Download (616kB) | Preview
Preview	PDF BAB_I.pdf Download (674kB) | Preview
Preview	PDF BAB_II.pdf Download (921kB) | Preview
Preview	PDF BAB_III.pdf Download (750kB) | Preview
	PDF BAB_IV.pdf Restricted to Registered users only Download (1MB)
Preview	PDF BAB_V.pdf Download (604kB) | Preview
	PDF LAMPIRAN.pdf Restricted to Registered users only Download (875kB)

Abstract

Pendidikan merupakan hal yang wajib untuk didapatkan oleh seluruh warga negara Indonesia, untuk mendapatkan pendidikan yang baik diperlukan kurikulum yang bisa membantu pelajar untuk bisa meningkatkan kualitas dari tiap individu. Program Kampus Merdeka menjadi sebuah terobosan terbaru dari Kementrian Pendidikan dan Kebudayaan (Kemendikbud) dalam membuat pendidikan Indonesia menjadi jauh lebih baik, kebijakan ini menjadi sorotan dimata publik di berbagai kalangan baik masyarakat biasa dan juga di kalangan akademisi.terdapat berbagai macam tanggapan yang terjadi baik positif maupun negatif. Oleh karena itu penelitian ini ingin mencoba untuk melakukan analisa sentimen untuk melihat tanggapan dari masyarakat Indonesia terhadap kebijakan yang dilakukan oleh Kemendkbud yaitu program Kampus Merdeka. Tanggapan maysarakat akan dibagi menjadi 2 kelas yaitu tanggapan positif dan negatif. Data yang akan dianalisa aka diambil melalui platform media sosial Twitter,data yang ditarik sebanyak 1292 data tweet lalu akan dilakukan permodelan algortima yaitu K-Nearest Neighbor dan Convolutional Neural Network , dan hasil dari 2 model algotirma tersebut akan dihitung dan dibandingkan menggunakan perhitungan confusion matrix. Hasil dari penelitian ini memperlihatkan bahwa dari kedua algoritma yang telah dijalankan kedua algoritma tersebut memiliki hasil saying sangat baik dan bisa digunakan dalam melakukan analisa sentimen untuk bahasa Indonesia. Hasil pelatihan model dari K-Nearest Neighbor mendapatkan hasil sekitar 88% jauh lebih tinggi dibandingkan dengan model Convolutional Neural Network yaitu sekitar 80%,. Dengan ini model K-Nearest Neighbor memiliki akurasi lebih baik dari Convolutional Neural Network dengan selisih sekitar 8%.

Item Type:	Thesis (Bachelor Thesis)
Keywords:	analisis sentimen, convolutional neural network, kampus merdeka, k- nearest neighbor, Twitter
Subjects:	000 Computer Science, Information and General Works > 000 Computer Science, Knowledge and Systems 300 Social Sciences > 370 Education > 378 Tertiary Education, Higher Education, University
Divisions:	Faculty of Engineering & Informatics > Information System
SWORD Depositor:	Administrator UMN Library
Depositing User:	Administrator UMN Library
Date Deposited:	20 Jul 2022 07:48
Last Modified:	05 Jul 2023 00:58
URI:	https://kc.umn.ac.id/id/eprint/22574

Actions (login required)

View Item