Analisis Sentimen terhadap Program Pemerintah Bidikmisi Berdasarkan Tweets Menggunakan Algoritma SVM dan Naive Bayes

Ryan Reza Pahlevi, Syach (2023) Analisis Sentimen terhadap Program Pemerintah Bidikmisi Berdasarkan Tweets Menggunakan Algoritma SVM dan Naive Bayes. Bachelor Thesis thesis, Universitas Multimedia Nusantara.

	Text HALAMAN_AWAL.pdf Available under License Creative Commons Attribution Non-commercial Share Alike. Download (635kB)
	Text DAFTAR_PUSTAKA.pdf Available under License Creative Commons Attribution Non-commercial Share Alike. Download (385kB)
	Text BAB_I.pdf Available under License Creative Commons Attribution Non-commercial Share Alike. Download (368kB)
	Text BAB_II.pdf Available under License Creative Commons Attribution Non-commercial Share Alike. Download (781kB)
	Text BAB_III.pdf Available under License Creative Commons Attribution Non-commercial Share Alike. Download (406kB)
	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 (316kB)
	Text LAMPIRAN.pdf Restricted to Registered users only Available under License Creative Commons Attribution Non-commercial Share Alike. Download (1MB)

Abstract

Bidikmisi adalah program pemerintah yang bertujuan untuk membantu mahasiswa yang kurang mampu. Namun beberapa opini mengenai Bidikmisi terus bermunculan di media sosial Twitter. Twitter menjadi platform yang banyak digunakan untuk menyampaikan pendapat atau opini tentang pro dan kontra Bidikmisi. Oleh karena itu opini tersebut dapat dianalisis untuk mengetahui sentimen apa yang menjadi permasalahan terhadap Bidikmisi. Maka penelitian ini akan melakukan sentimen analisis menggunakan data tweets Bidikmisi, algoritma yang digunakan adalah Support Vector Machine (SVM) dan Naïve Bayes. Model klasifikasi tersebut digunakan untuk mencari model mana yang terbaik dengan menggunakan berbagai macam perhitungan evaluasi seperti akurasi, presisi, recall, f1-score, error rate, MSE, dan RMSE. Pada penelitian ini dapat diketahui hasil sentimen terbanyak yaitu negatif dibandingkan positif dan netral, hal ini menunjukan Bidikmisi masih belum efektif. Dari hasil evaluasi perbandingan kedua model Naïve Bayes dan Model SVM yang terbaik pada penelitian ini adalah model SVM dibandingkan model Naïve Bayes, karena model SVM mendapatkan hasil akurasi sebesar 77% dengan nilai presisi 76%, recall 75%, f1-score 76%, error rate 23%, MSE 0.46, dan RMSE 0.68. Sedangkan model Naïve Bayes mendapatkan hasil sebesar 69% dengan nilai presisi 67%, recall 68%, f1-score 67%, error rate 31%, MSE 0.60, dan RMSE 0.77.

Item Type:	Thesis (Bachelor Thesis)
Keywords:	Bidikmisi, Naïve Bayes, Sentimen analisis, Support Vector Machine, 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 300 Social Sciences > 300 Social sciences, sociology and anthropology > 302 Social interaction, Interpersonal interaction > 302.23 Media of Communication, Mass Media
Divisions:	Faculty of Engineering & Informatics > Information System
SWORD Depositor:	Administrator UMN Library
Depositing User:	Administrator UMN Library
Date Deposited:	08 Mar 2024 07:10
Last Modified:	08 Mar 2024 07:16
URI:	https://kc.umn.ac.id/id/eprint/28202

Actions (login required)

View Item