RIFAI, AHMAD (2022) ANALISIS SENTIMEN OPINI MASYARAKAT TENTANG PENYAKIT HEPATITIS AKUT MENGGUNAKAN METODE NAÏVE BAYES. S1 thesis, Universitas Mercu Buana Jakarta.
|
Text (HAL COVER)
01 Cover.pdf Download (861kB) | Preview |
|
|
Text (ABSTRAK)
02 Abstrak.pdf Download (65kB) | Preview |
|
![[img]](https://repository.mercubuana.ac.id/style/images/fileicons/text.png) |
Text (BAB I)
03 Bab 1.pdf Restricted to Registered users only Download (299kB) |
|
|
Text (BAB II)
04 Bab 2.pdf Restricted to Registered users only Download (91kB) |
|
|
Text (BAB III)
05 Bab 3.pdf Restricted to Registered users only Download (165kB) |
|
|
Text (BAB IV)
06 Bab 4.pdf Restricted to Registered users only Download (64kB) |
|
|
Text (BAB V)
07 Bab 5.pdf Restricted to Registered users only Download (80kB) |
|
|
Text (BAB VI)
08 Bab 6.pdf Restricted to Registered users only Download (37kB) |
|
|
Text (DAFTAR PUSTAKA)
09 Daftar Pustaka.pdf Restricted to Registered users only Download (203kB) |
|
|
Text (LAMPIRAN)
10 Lampiran.pdf Restricted to Registered users only Download (96kB) |
Abstract
Hepatitis itself is considered one of the diseases that disturbs the citizens of the world, it will not close in Indonesia, because hepatitis is a deadly disease and the annual death rate reaches 1-2 million. Therefore, the author will conduct a sentiment analysis of public opinion about this acute hepatitis disease using the nave Bayes method. Then the sentiment is divided into 3 classes, positive, negative and neutral. making it easier to know the public's response to this acute hepatitis disease. In the stage of conducting sentiment analysis through the Preprocessing stage, where this stage will clean the data to be used so that the data will facilitate the data processing process. The method of collecting data through rapidminer tools taken from the Twitter API uses the keywords "hepatitis", "acute hepatitis". With the results on the implementation of Nave Bayes, it was obtained a value of 81% with a split percentage of 90:10. With 468 positive comments, it can be said that the Twitter community has been educated about the dangers of acute hepatitis. Keywords: Hepatitis, Naïve Bayes, Sentiment Analysis, computer science, Mercu Buana Hepatitis sendiri dianggap salah satu penyakit yang meresahkan warga dunia tidak terkecuali di Indonesia, karena penyakit hepatitis adalah penyakit yang mematikan dan angka kematian tiap tahunnya mencapai 1-2 juta. Oleh karena itu penulis akan melakukan analisis sentiment terhadap opini masyarakat tentang penyakit hepatitis akut ini menggunakan metode naïve bayes. Lalu sentiment tersebut dibagi menjadi 3 kelas yaitu positif, negative dan neutral sehingga memudahkan untuk mengetahui bagaimana tanggapan masyarakat tentang penyakit hepatitis akut ini. Dalam tahapan melakukan analisis sentimen melalui tahap Preprocessing yang dimana tahapan tersebut akan membersihkan data yang akan digunakan sehingga data tersebut akan memudahkan dalam proses pengolahan data. Metode pengumpulan data melalui tools rapidminer yang diambil dari API Twitter menggunakan kata kunci “hepatitis”, “hepatitisakut”. Dengan hasil pada pengimplementasian naïve bayes didapatkan nilai 81% dengan persentase split 90:10. Dengan hasil 468 berkomentar positif yang dapat disimpulkan bahwa masyarakat twitter sudah teredukasi terhadap bahayanya penyakit hepatitis akut. Kata kunci: penelitian, panduan, ilmu komputer, universitas mercu buana
Actions (login required)
 |
View Item |
