Analisis Sentimen Opini Publik terhadap Isu Lingkungan Kelapa Sawit di Indonesia Menggunakan Support Vector Machine dan Naive Bayes

Octavian, Billsen (2026) Analisis Sentimen Opini Publik terhadap Isu Lingkungan Kelapa Sawit di Indonesia Menggunakan Support Vector Machine dan Naive Bayes. Bachelor Thesis, Universitas Multimedia Nusantara.

	PDF HALAMAN_AWAL.pdf Restricted to Registered users only Download (670kB)
	PDF BAB_I.pdf Download (303kB)
	PDF BAB_II.pdf Download (763kB)
	PDF BAB_III.pdf Restricted to Registered users only Download (381kB)
	PDF BAB_IV.pdf Restricted to Registered users only Download (1MB)
	PDF BAB_V.pdf Restricted to Registered users only Download (171kB)
	PDF DAFTAR_PUSTAKA.pdf Restricted to Registered users only Download (254kB)
	PDF LAMPIRAN.pdf Restricted to Registered users only Download (729kB)
	Archive (ZIP) 00000069826_2521_LembarPengesahan.pdf Restricted to Registered users only Download (65kB)

Abstract

Isu lingkungan kelapa sawit menjadi salah satu topik yang banyak dibahas karena industri kelapa sawit memiliki peran penting bagi perekonomian Indonesia, tetapi juga sering dikaitkan dengan deforestasi, kebakaran hutan dan lahan, pencemaran lingkungan, serta kerusakan ekosistem. Twitter/X dimanfaatkan sebagai sumber data karena mampu mencerminkan opini publik secara terbuka dan real-time. Perbedaan karakteristik algoritma Support Vector Machine dan Naïve Bayes menyebabkan performa keduanya dapat berbeda dalam mengklasifikasikan data teks sehingga diperlukan perbandingan untuk menentukan algoritma yang memberikan hasil terbaik. Penelitian ini menggunakan framework CRISP-DM yang meliputi business understanding, data understanding, data preparation, modeling, evaluation, dan deployment. Data diproses melalui preprocessing, pelabelan sentimen berbasis lexicon, validasi label, pembobotan TF-IDF, serta pengujian menggunakan model dasar, RandomOverSampler, dan SMOTE. Dataset akhir terdiri atas 3.778 tweet dengan distribusi 1.826 sentimen negatif, 1.099 sentimen positif, dan 853 sentimen netral. Hasil penelitian menunjukkan bahwa model dasar Support Vector Machine memperoleh accuracy sebesar 82,54%, meningkat 12,03% dibandingkan penelitian terdahulu yang menggunakan metode yang sama. Selain itu, Support Vector Machine dengan RandomOverSampler memberikan performa terbaik dengan accuracy 84,26%, precision 84,11%, recall 84,26%, dan F1-score 84,10%. Hasil tersebut menunjukkan bahwa Support Vector Machine lebih efektif dibandingkan Naïve Bayes dalam mengklasifikasikan sentimen opini publik terhadap isu lingkungan kelapa sawit di Indonesia.

Item Type:	Thesis (Bachelor Thesis)
Creators:	Octavian, Billsen (00000069826)
Contributors:	Tjahjana, David (0314047207)
Keywords:	Analisis Sentimen, Kelapa Sawit, Naive Bayes, Support Vector Machine, Twitter/X
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:	15 Jul 2026 07:58
URI:	https://kc.umn.ac.id/id/eprint/47545

Actions (login required)

View Item