Perbandingan Algortima SVM dan Decision Tree dalam Klasifikasi Sentimen Jenis Vaksin COVID-19 di Indonesia pada Media Sosial Twitter

Kevin, Kevin (2022) Perbandingan Algortima SVM dan Decision Tree dalam Klasifikasi Sentimen Jenis Vaksin COVID-19 di Indonesia pada Media Sosial Twitter. Bachelor Thesis thesis, Universitas Multimedia Nusantara.

	Text HALAMAN_AWAL.pdf Available under License Creative Commons Attribution Non-commercial Share Alike. Download (534kB)
	Text DAFTAR_PUSTAKA.pdf Available under License Creative Commons Attribution Non-commercial Share Alike. Download (281kB)
	Text BAB_I.pdf Available under License Creative Commons Attribution Non-commercial Share Alike. Download (231kB)
	Text BAB_II.pdf Available under License Creative Commons Attribution Non-commercial Share Alike. Download (330kB)
	Text BAB_III.pdf Available under License Creative Commons Attribution Non-commercial Share Alike. Download (221kB)
	Text BAB_IV.pdf Restricted to Registered users only Available under License Creative Commons Attribution Non-commercial Share Alike. Download (1MB)
	Text BAB_V.pdf Available under License Creative Commons Attribution Non-commercial Share Alike. Download (133kB)
	Text LAMPIRAN.pdf Restricted to Registered users only Available under License Creative Commons Attribution Non-commercial Share Alike. Download (1MB)

Abstract

COVID-19 adalah virus yang hingga saat ini masih melanda seluruh dunia, pertama kali ditemukan pada tahun 2019 tepatnya di kota Wuhan, China. Cepatnya persebaran membuat semua orang dengan mudah terjangkit, efek yang ditimbulkan yang paling parah adalah kematian. Vaksin adalah salah satu cara yang bisa digunakan untuk menghalau pesebaran virus COVID-19. Namun, kehadiran sesuatu biasanya akan memicu opini public baik pro maupun kontra, termasuk juga vaksin COVID-19. Opini tentunya bisa disampaikan dimanapun salahsatunya adalah media sosial Twitter. Pada penelitian ini akan dilakukan analisa sentimen masyarakat terkait jenis vaksin COVID-19 dengan menggunakan algoritma Decision Tree dan SVM. Data diambil pada bulan Februari dan April 2022 dengan total data sebanyak 7.316. selanjutnnya data tersebut aka melewati tahap preprocessing dan klasifikasi dengan pembagian data training dan testing 80:20 dengann bantuan K-fold Cross Validation. Hasil akan ditampilkan dengan metode confusion matrix. Hasil penelitian menunjukan algoritma SVM memiliki akurasi yang lebih tinggi dibandingkan dengan Decision Tree, dimana dari kelima data vaksin, SVM mendapatkan akurasi yang lebih tinggi untuk kelima jenis vaksin seperti AstraZeneca, Moderna, Pfizer, Sinopharm, dan Sinovac dengan akurasi 81,75%, 73,22%, 75,48%, 76,97%, 71,14%. Sedangkan untuk hasil akurasi Decsion Tree lebih rendah pada kelima vaksin dengan angka akurasi 72,45% untuk AstraZeneca, 61,23% untuk Moderna, 61,49% untuk Pfizer, 73,35% untuk Sinopharm, 68,38% untuk Sinovac. Sehingga dapat disimpulkan SVM lebih baik dibandingkan dengan Decision Tree. Untuk hasil sentiment menunjukan bahwa masyarakat saat ini sudah terbuka dengan jenis-jenis vaksin yang beredar dimana setiap vaksin yang diteliti mendapatkan sentiment positif lebih banyak dibandingkan negatif.

Item Type:	Thesis (Bachelor Thesis)
Subjects:	000 Computer Science, Information and General Works > 000 Computer Science, Knowledge and Systems > 005 Computer Programming > 005.2 Programming for Specific Computers, Algorithm, HTML, PHP, java, C++ 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:	18 Mar 2024 09:30
Last Modified:	19 Mar 2024 02:49
URI:	https://kc.umn.ac.id/id/eprint/28023

Actions (login required)

View Item