IMPLEMENTASI EXTREME GRADIENT BOOSTING (XGBOOST) PADA ANALISA SENTIMEN TERHADAP PENGGUNA TWITTER TERKAIT KENAIKAN HARGA BBM DENGAN PEMBOBOTAN EMOTICON

PRAMUDITO, ABIMANYU BEVAN (2023) IMPLEMENTASI EXTREME GRADIENT BOOSTING (XGBOOST) PADA ANALISA SENTIMEN TERHADAP PENGGUNA TWITTER TERKAIT KENAIKAN HARGA BBM DENGAN PEMBOBOTAN EMOTICON. S1 thesis, Universitas Mercu Buana Jakarta.

Preview	Text (COVER) 01 COVER.pdf Download (266kB) | Preview
Preview	Text (ABSTRAK) 02 ABSTRAK.pdf Download (125kB) | Preview
	Text (BAB I) 03 BAB 1.pdf Restricted to Registered users only Download (207kB)
	Text (BAB II) 04 BAB 2.pdf Restricted to Registered users only Download (420kB)
	Text (BAB III) 05 BAB 3.pdf Restricted to Registered users only Download (181kB)
	Text (BAB IV) 06 BAB 4.pdf Restricted to Registered users only Download (729kB)
	Text (BAB V) 07 BAB 5.pdf Restricted to Registered users only Download (120kB)
	Text (DAFTAR PUSTAKA) 08 DAFTAR PUSTAKA.pdf Restricted to Registered users only Download (216kB)
	Text (LAMPIRAN) 09 LAMPIRAN.pdf Restricted to Registered users only Download (3MB)

Abstract

Public opinion about certain topic are an important things to be explored, it is because public opinions can shape business and countries politic, countries economy are something that moves up and down, and it affect it's citizen at various level, one such changes are the rising price of gas in Indonesia due to government subsizided gas and energy compensation bloated to 502 trillion rupiah, and so it is important for the government to know public opinion about this changes this is achieved with sentiment analysis which is part of machine learning to extract sentiment from a text, this research also research the effect of non-textual information like emoticon and how it affect sentiment analysis, with the rise of BBM prices as the topic XGBoost algorithm is used to predict sentiment that use to train 4 different models, with the resulting best accuracy are the model with english language and emoticon weighting applied to the model with the accuracy of 87,3%, along with 87,2% precision, 87,3% recall and 87,2% F1 Score this research found there is positive effect of emoticon weighting in increasing model accuracy in XGBoost. Keywords: sentiment analisis, XGBoost, emoticon, Easy-NMT, VADER Opini masyarakat terhadap suatu topik merupakan hal yang penting untuk ditelusuri dikarenakan opini masyarakat membentuk jalannya bisnis, dan politik negara, Ekonomi sebuah negara adalah sebuah hal yang terus bergerak naik dan turun, ekonomi negara dapat mempengaruhi berbagai tingkatan dari penduduk dikarenakan beban subsidi BBM dan kompensasi energi yang membengkak pada tahun 2022 hingga Rp 502 triliun memberikan sinyal akan kenaikan harga BBM maka dari itu penting bagi pemerintah untuk mengetahui pendapat masyarakat akan perubahan peraturan hal ini dicapai dengan menggunakan sentiment analisis pada berbagai platform media seperti Twitter yaitu bagian dari machine learning yang melakukan proses untuk menalar sentiment dari text, penelitian ini juga dilakukan untuk melihat efek non-tekstual seperti emoticon terhadap proses penalaran sentiment, dengan topik kenaikan harga BBM di Indonesia dataset diambil lewat Twitter dengan menggunakan algoritma XGBoost untuk memprediksi sentiment dengan 4 model yang ditraining model bahasa inggris dengan pembobotan emoticon memiliki akurasi yang paling tinggi sebesar 87,3%, dengan 87,2% presisi, 87,3% recall dan 87,2% F1 Score dan pembobotan emoticon memiliki efek positif dalam meningkatkan akurasi prediksi sentiment. Katakunci : sentiment analisis, XGBoost, emoticon, Easy-NMT, VADER

Actions (login required)

View Item