ANALISIS SENTIMEN TWITTER TERHADAP IBU KOTA PINDAH DENGAN PERBANDINGAN METODE KLASIFIKASI K-NEAREST NEIGHBOR, DECISION TREE, DAN SUPPORT VECTOR MACHINE

DEWO, BIMO TUNGGAL (2020) ANALISIS SENTIMEN TWITTER TERHADAP IBU KOTA PINDAH DENGAN PERBANDINGAN METODE KLASIFIKASI K-NEAREST NEIGHBOR, DECISION TREE, DAN SUPPORT VECTOR MACHINE. S1 thesis, Universitas Mercu Buana Jakarta.

Text (JURNAL MAHASISWA) Laporan Yudisium - Bimo Tunggal Dewo.pdf Restricted to Registered users only Download (634kB)

Abstract

Sentiment analysis can be used to supplement and extract subjective information in the source. This study uses a collection of tweets from social media Twitter with data mining techniques that support the comparison of classifications in sentiment analysis from the perspective of Twitter users regarding the capital city in Indonesia. RapidMiner is used to assist in sentiment processing analysis for use by using three calcifiers in the data set using K-Nearest Neighbor, Decision Tree, and Supporting Vector Machines to find the best progress assessment. The experimental results obtained from the study are K-Nearest Neighbor with an accuracy rate of 95.02%, Decision Tree with an accuracy rate of 94.81%, and Support Vector Machine with an accuracy rate of 94.28%. Keywords: Sentiment Analysis, Twitter, Classification Method Analisis sentimen dapat digunakan untuk mengidentifikasi dan mengekstrak informasi subjektif dalam sumber. Penelitian ini menggunakan kumpulan data tweet dari media sosial Twitter dengan teknik data mining yang bertujuan membandingkan klasifikasi dalam analisis sentimen dari pandangan penguna Twitter terkait ibu kota pindah di Indonesia. RapidMiner digunakan untuk membantu dalam pemprosesan analisis sentimen untuk perbandingan dengan menggunakan tiga pengkalsifikasi dalam kumpulan data dengan pendekatan KNearest Neighbor, Decision Tree, dan Support Vector Machine untuk menemukan perbandingan tingkat akurasi yang terbaik. Hasil eksperimen yang diperoleh dari penelitian adalah K-Nearest Neighbor dengan tingkat akurasi 95. 02%, Decision Tree dengan tingkat akurasi 94.81%, dan Support Vector Machine dengan tingkat akurasi 94.28%. Kata kunci: Analisis Sentimen, Twitter, Metode Klasifikasi

Item Type:	Thesis (S1)
Call Number CD:	JM/TI. 20 054
NIM/NIDN Creators:	41516010045
Uncontrolled Keywords:	Analisis Sentimen, Twitter, Metode Klasifikasi
Subjects:	000 Computer Science, Information and General Works/Ilmu Komputer, Informasi, dan Karya Umum > 000. Computer Science, Information and General Works/Ilmu Komputer, Informasi, dan Karya Umum > 005 Computer Programmming, Programs, Data/Pemprograman Komputer, Program, Data > 005.5 General Purpose Application Programs/Program Aplikasi dengan Kegunaan Khusus 600 Technology/Teknologi > 650 Management, Public Relations, Business and Auxiliary Service/Manajemen, Hubungan Masyarakat, Bisnis dan Ilmu yang Berkaitan > 658 General Management/Manajemen Umum > 658.01-658.09 [Management of Enterprises of Specific Sizes, Scopes, Forms; Data Processing]/[Pengelolaan Usaha dengan Ukuran, Lingkup, Bentuk Tertentu; Pengolahan Data] 600 Technology/Teknologi > 650 Management, Public Relations, Business and Auxiliary Service/Manajemen, Hubungan Masyarakat, Bisnis dan Ilmu yang Berkaitan > 658 General Management/Manajemen Umum > 658.01-658.09 [Management of Enterprises of Specific Sizes, Scopes, Forms; Data Processing]/[Pengelolaan Usaha dengan Ukuran, Lingkup, Bentuk Tertentu; Pengolahan Data] > 658.05 Data Processing Computer Applications/Pengolahan Data Aplikasi Komputer
Divisions:	Fakultas Ilmu Komputer > Informatika
Depositing User:	Dede Muksin Lubis
Date Deposited:	29 Jun 2022 04:04
Last Modified:	29 Jun 2022 04:04
URI:	http://repository.mercubuana.ac.id/id/eprint/64149

Actions (login required)

View Item