Analisis Sentimen Pengguna Twitter terhadap Isu Resesi Ekonomi Pasca Covid-19 di Indonesia dengan Metode Machine Learning dan Voting Ensemble

Elizabeth Ginting, Stephanie (2023) Analisis Sentimen Pengguna Twitter terhadap Isu Resesi Ekonomi Pasca Covid-19 di Indonesia dengan Metode Machine Learning dan Voting Ensemble. Bachelor Thesis thesis, Universitas Multimedia Nusantara.

	Text HALAMAN_AWAL.pdf Available under License Creative Commons Attribution Non-commercial Share Alike. Download (3MB)
	Text DAFTAR_PUSTAKA.pdf Available under License Creative Commons Attribution Non-commercial Share Alike. Download (2MB)
	Text BAB_I.pdf Available under License Creative Commons Attribution Non-commercial Share Alike. Download (2MB)
	Text BAB_II.pdf Available under License Creative Commons Attribution Non-commercial Share Alike. Download (6MB)
	Text BAB_III.pdf Available under License Creative Commons Attribution Non-commercial Share Alike. Download (4MB)
	Text BAB_IV.pdf Restricted to Registered users only Available under License Creative Commons Attribution Non-commercial Share Alike. Download (13MB)
	Text BAB_V.pdf Available under License Creative Commons Attribution Non-commercial Share Alike. Download (973kB)
	Text LAMPIRAN.pdf Restricted to Registered users only Available under License Creative Commons Attribution Non-commercial Share Alike. Download (936kB)

Abstract

Pandemi Covid-19 yang disebabkan oleh virus SARS-CoV-2 telah menyebabkan dampak yang signifikan di berbagai negar,termask Indonesia. Salah satu dampaknya adalah perubahan ckonomi yang terjadi setelah pandemi, menyebabkan kerugian ckonomi, termasuk PHK dan melemahnya daya beli masyarakat. Bank Dunia memprediksi kemungkinan terjadinya resesi ekonomi global pada tahun 2023. Twitter menjadi platform yang banyak digunakan untuk menyampaikan pendapat mengenai isu-isu, termasuk isu resesi ekonomi pasca Covid-19 di Indonesia. Penelitian ini menggunakan kerangka kerja CRISP-DM untk menganalisis sentimen pengguna twitter terkait isu resesi ekonomi, dengan menggunakan model algoritma machine learning yaitu SVM, Naive Bayes, dan KNN. Model tersebut untuk menentukan model klasifikasi yang baik dalam menggunakan metode Voting Ensemble untuk membandingkan performa akurasi algoritma klasifikasi. Hasil penelitian analisis sentimen didapat bahwa 78% tweets diperoleh bersentimen positif, artinya banyak masyarakat yang tidak resah akan isu resesi ekonomi. Mendapat hasil dari perbandingan model algoritma yaitu SVM (97%) memiliki akurasi tertinggi dalam memprediksi sentimen, dikuti oleh KNN (91%) dan Naive Bayes (86%). Metode Voting Ensemble menghasilkan performa yang baik dengan akurasi 96% dari penggabungan ketiga model klasifikasi. Kesimpulan penelitian ini dapat memberikan wawasan tentang pandangan masyarakat terbadap isu ekonomi dan membangun model klasifikasi untuk memprediksi sentimen terkait isu resesi ekonomi pasca Covid-19 di Indonesia.

Item Type:	Thesis (Bachelor Thesis)
Keywords:	Analisis Sentimen, Covid-19, Machine Learning, Voting Ensemble, Resesi Ekonomi
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:	13 Mar 2024 06:18
Last Modified:	13 Mar 2024 06:27
URI:	https://kc.umn.ac.id/id/eprint/28215

Actions (login required)

View Item