Analisis Sentimen terhadap Tanggapan Mengenai Resesi 2023 pada Media Sosial Twitter dengan Metode Naive Bayes

Hidayat, Devin (2023) Analisis Sentimen terhadap Tanggapan Mengenai Resesi 2023 pada Media Sosial Twitter dengan Metode Naive Bayes. Bachelor Thesis thesis, Universitas Multimedia Nusantara.

Preview	PDF HALAMAN_AWAL.pdf Download (488kB) | Preview
Preview	PDF DAFTAR_PUSTAKA.pdf Download (205kB) | Preview
Preview	PDF BAB_I.pdf Download (205kB) | Preview
Preview	PDF BAB_II.pdf Download (249kB) | Preview
Preview	PDF BAB_III.pdf Download (317kB) | Preview
	PDF BAB_IV.pdf Restricted to Registered users only Download (581kB)
Preview	PDF BAB_V.pdf Download (200kB) | Preview
	PDF LAMPIRAN.pdf Restricted to Registered users only Download (559kB)

Abstract

Resesi adalah periode saat terjadinya penurunan pada roda perekonomian yang ditandai dengan penurunan pada produk domestik bruto(PDB) selama dua kuartal berturut-turut. Data dari badan pusat statistik melaporkan pertumbuhan ekonomi Indonesia mengalami kontraksi sebesar 5,32% pada triwulan II tahun 2020. Namun di tahun 2022, Purchasing Managers Index (PMI) global menunjukkan arah pemulihan pada indeks 53,2 pada bulan Januari disertai dengan kenaikan harga komoditas. Tetapi terdapat hal yang perlu diwaspadai yaitu inflasi pada negara produsen seperti Amerika Serikat, Inggris, dan negara eropa lainnya sehingga tidak menutup kemungkinan terjadinya resesi di Indonesia. Dengan adanya wacana mengenai resesi di tahun 2023, tentunya akan menimbulkan opini dari masyarakat. Salah satunya adalah melalui Twitter. Dengan adanya opini masyarakat dari Twitter, maka opini tersebut dapat dijadikan data yang dapat diolah menjadi penelitian analisis sentimen. Pada penelitian ini, analisis sentimen akan dilakukan dengan menggunakan algoritma Naive Bayes untuk melakukan klasifikasi data pada kelas tertentu. Berdasarkan hasil uji coba yang telah dilakukan, hasil akurasi tertinggi yang didapatkan adalah dari penggunaan pembobotan Count Vectorizer yaitu dengan akurasi sebesar 80,88%, precision 77%, recall 71%, dan F1-score sebesar 73%.

Item Type:	Thesis (Bachelor Thesis)
Keywords:	Count Vectorizer, Naive Bayes, Resesi, Sentimen Analysis, 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 > Informatics
SWORD Depositor:	Administrator UMN Library
Depositing User:	Administrator UMN Library
Date Deposited:	28 Jun 2023 09:47
Last Modified:	24 Aug 2023 06:09
URI:	https://kc.umn.ac.id/id/eprint/25514

Actions (login required)

View Item