ANALISIS SENTIMEN MASYARAKAT DI TWITTER TENTANG MOTOR LISTRIK MENGGUNAKAN NAIVE BAYES DAN TEKNIK WEB SCRAPING

JANNAH, SAIDI SYABAB AHLIL (2025) ANALISIS SENTIMEN MASYARAKAT DI TWITTER TENTANG MOTOR LISTRIK MENGGUNAKAN NAIVE BAYES DAN TEKNIK WEB SCRAPING. S1 thesis, Universitas Mercu Buana-Menteng.

	Text (COVER) 41520110096-Saidi Syabab Ahlil Jannah-01 Cover - Lita Almazia.pdf Download (537kB)
	Text (BAB I) 41520110096-Saidi Syabab Ahlil Jannah-02 Bab 1 - Lita Almazia.pdf Restricted to Registered users only Download (1MB)
	Text (BAB II) 41520110096-Saidi Syabab Ahlil Jannah-03 Bab 2 - Lita Almazia.pdf Restricted to Registered users only Download (2MB)
	Text (BAB III) 41520110096-Saidi Syabab Ahlil Jannah-04 bab 3 - Lita Almazia.pdf Restricted to Registered users only Download (2MB)
	Text (BAB IV) 41520110096-Saidi Syabab Ahlil Jannah-05 Bab 4 - Lita Almazia.pdf Restricted to Registered users only Download (864kB)
	Text (BAB V) 41520110096-Saidi Syabab Ahlil Jannah-06 Bab 5 - Lita Almazia.pdf Restricted to Registered users only Download (216kB)
	Text (DAFTAR PUSTAKA) 41520110096-Saidi Syabab Ahlil Jannah-08 Daftar Pustaka - Lita Almazia.pdf Restricted to Registered users only Download (705kB)
	Text (LAMPIRAN) 41520110096-Saidi Syabab Ahlil Jannah-09 Lampiran - Lita Almazia.pdf Restricted to Registered users only Download (833kB)

Abstract

Penelitian ini bertujuan untuk mengumpulkan dan menganalisis data dari Twitter terkait diskusi mengenai motor listrik, yang merupakan salah satu topik hangat dalam industri otomotif dan teknologi hijau. Data diambil dengan menggunakan teknik web scraping dan API Twitter melalui alat bantu seperti tweet- harvest dan pustaka Python seperti tweepy. Proses pengumpulan data dilakukan dalam rentang waktu dari 1 Januari 2020 hingga 1 Januari 2024, dengan menggunakan kata kunci spesifik untuk memastikan relevansi data. Dalam penelitian ini, kami menjelaskan secara rinci metodologi yang digunakan untuk mengakses, mengumpulkan, dan menyimpan data dalam format yang sesuai untuk analisis lebih lanjut. Langkah-langkah pembersihan data juga diterapkan untuk menghilangkan duplikat dan memastikan kualitas data. Hasil akhir dari pengumpulan data ini adalah dataset yang berisi informasi tanggal, nama pengguna, dan isi tweet yang relevan dengan topik motor listrik. Penelitian ini mengidentifikasi tantangan utama dalam proses pengumpulan data, termasuk batasan API dan masalah teknis lainnya, serta solusi yang diimplementasikan untuk mengatasi tantangan tersebut. Data yang diperoleh diharapkan dapat memberikan wawasan berharga untuk analisis tren, sentimen, dan pola diskusi publik terkait motor listrik di media sosial. Hasil penelitian ini dapat menjadi dasar bagi studi lebih lanjut dalam bidang teknik informatika, khususnya dalam analisis data sosial media dan aplikasi teknologi hijau dalam transportasi. This study aims to collect and analyze data from Twitter related to discussions about electric motorcycles, a prominent topic in the automotive industry and green technology. Data is collected using web scraping techniques and the Twitter API through tools such as tweet-harvest and Python libraries like tweepy. The data collection process is carried out over a period from January 1, 2020, to January 1, 2024, using specific keywords to ensure the relevance of the data. In this study, we provide a detailed eTwitterplanation of the methodology used to access, collect, and store data in a format suitable for further analysis. Data cleansing steps are also applied to remove duplicates and ensure data quality. The final result of this data collection is a dataset containing information on the date, username, and tweet content relevant to the topic of electric motorcycles. This study identifies the main challenges in the data collection process, including API limitations and other technical issues, as well as the solutions implemented to overcome these challenges. The data obtained is eTwitterpected to provide valuable insights for analyzing trends, sentiment, and public discussion patterns related to electric motorcycles on social media. The results of this study can serve as a basis for further studies in the field of computer science, particularly in social media data analysis and green technology applications in transportation.

Item Type:	Thesis (S1)
NIM/NIDN Creators:	41520110096
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 > 004 Data Processing, Computer Science/Pemrosesan Data, Ilmu Komputer, Teknik Informatika
Divisions:	Fakultas Ilmu Komputer > Informatika
Depositing User:	FHADHILAH SHAFA ARISTA
Date Deposited:	25 Mar 2025 03:09
Last Modified:	25 Mar 2025 03:09
URI:	http://repository.mercubuana.ac.id/id/eprint/95047

Actions (login required)

View Item