Analisis Sentimen pada Fenomena Rebranding Twitter Menjadi X

Adyatma Rizqi Wibowo, Rheinald (2025) Analisis Sentimen pada Fenomena Rebranding Twitter Menjadi X. Bachelor Thesis, Universitas Multimedia Nusantara.

	PDF HALAMAN_AWAL.pdf Download (1MB)
	PDF BAB_I.pdf Download (369kB)
	PDF BAB_II.pdf Download (659kB)
	PDF BAB_III.pdf Download (628kB)
	PDF BAB_IV.pdf Restricted to Registered users only Download (3MB)
	PDF BAB_V.pdf Download (332kB)
	PDF DAFTAR_PUSTAKA.pdf Download (346kB)
	PDF LAMPIRAN.pdf Restricted to Registered users only Download (1MB)

Abstract

Penelitian ini bertujuan untuk menganalisis sentimen pengguna terhadap aplikasi Twitter sebelum dan sesudah rebranding menjadi "X" dengan pendekatan pembelajaran mesin. Data ulasan dikumpulkan dari Google Play Store Indonesia dan dibagi ke dalam dua periode waktu. Mengingat adanya ketidakseimbangan distribusi label, dilakukan eksperimen menggunakan metode penyeimbangan data seperti SMOTE dan SMOTE+ENN pada masing-masing periode. Tiga algoritma klasifikasi digunakan dalam pemodelan, yaitu Naïve Bayes, Support Vector Machine (SVM), dan Logistic Regression. Hasil menunjukkan bahwa performa model sangat dipengaruhi oleh metode penyeimbangan data dan periode waktu. Pada periode sebelum rebranding, akurasi terbaik diperoleh dari SVM dengan data asli sebesar 90%. Sementara itu, pada periode sesudah rebranding, SVM dan Logistic Regression dengan SMOTE+ENN mencapai akurasi tertinggi sebesar 92%. Selain itu, SMOTE tanpa ENN juga menunjukkan performa yang kompetitif, ditandai dengan nilai F1-score yang stabil, yang mencerminkan keseimbangan antara presisi dan recall. Temuan ini menegaskan pentingnya pemilihan metode penyeimbangan data yang sesuai dengan karakteristik dataset untuk mendukung kinerja model secara optimal. Model terbaik dari masing-masing periode juga berhasil diterapkan ke dalam aplikasi web berbasis Streamlit, yang memungkinkan pengguna non-teknis untuk melakukan klasifikasi sentimen secara mandiri. Secara deskriptif, hasil menunjukkan adanya pergeseran sentimen sesudah rebranding, ditandai dengan meningkatnya proporsi ulasan negatif dan menurunnya ulasan positif. Hal ini mengindikasikan bahwa proses rebranding berdampak pada persepsi pengguna secara negatif, meskipun belum didukung oleh uji statistik inferensial.

Item Type:	Thesis (Bachelor Thesis)
Creators:	Adyatma Rizqi Wibowo, Rheinald (00000058204)
Contributors:	Faza, Ahmad
Keywords:	Analisis Sentimen, Logistic Regression, Naïve Bayes, Rebranding, Support Vector Machine, SMOTE, SMOTE-ENN
Subjects:	000 Computer Science, Information and General Works > 000 Computer Science, Knowledge and Systems > 004 Computer Science, Data Processing, Hardware > 004.2 Systems Analysis and Design, Information Architecture, Performance Evaluation
Divisions:	Faculty of Engineering & Informatics > Information System
Date Deposited:	09 Sep 2025 06:59
URI:	https://kc.umn.ac.id/id/eprint/40217

Actions (login required)

View Item