ANALISA SENTIMEN MENGENAI PEMERIKSAAN SMARTPHONE OLEH AIPDA AMBARITA PADA TWITTER MENGGUNAKAN METODE NAÏVE BAYES DAN SUPPORT VECTOR MACHINE

PRASETYO, BAREP (2022) ANALISA SENTIMEN MENGENAI PEMERIKSAAN SMARTPHONE OLEH AIPDA AMBARITA PADA TWITTER MENGGUNAKAN METODE NAÏVE BAYES DAN SUPPORT VECTOR MACHINE. S1 thesis, Universitas Mercu Buana Jakarta.

Preview	Text (HAL COVER) 01 Cover.pdf Download (626kB) | Preview
Preview	Text (ABSTRAK) 02 Abstrak.pdf Download (22kB) | Preview
	Text (BAB I) 03 Bab 1.pdf Restricted to Registered users only Download (102kB)
	Text (BAB III) 05 Bab 3.pdf Restricted to Registered users only Download (16kB)
	Text (BAB II) 04 Bab 2.pdf Restricted to Registered users only Download (78kB)
	Text (BAB IV) 06 Bab 4.pdf Restricted to Registered users only Download (97kB)
	Text (BAB V) 07 Bab 5.pdf Restricted to Registered users only Download (182kB)
	Text (BAB VI) 08 Bab 6.pdf Restricted to Registered users only Download (89kB)
	Text (DAFTAR PUSTAKA) 09 Daftar Pustaka.pdf Restricted to Registered users only Download (77kB)
	Text (LAMPIRAN) 10 Lampiran.pdf Restricted to Registered users only Download (368kB)

Abstract

Social Media Twitter is one example of social media used by the public to post and read tweets that have been shared, making it easier to express their opinions. Opinions contained on Twitter social media are perceptions, both positive and negative. The number of public opinions can be used as research material to find information. Utilization of this information requires appropriate analytical techniques so that the resulting information can help many parties in making decisions. The use of techniques in data processing can be solved by sentiment analysis techniques. In this study, sentiment analysis was carried out to find out public opinion on the Smartphone Inspection case study by Aipda Ambarita. The method used is the Naïve Bayes classification algorithm and the Support Vector Machine assisted by RapidMiner and Python tools. This study obtained good results with experimental results showing that the Support Vector Machine algorithm provides the highest accuracy value of 94% for the 90:10 percentage split model with automatic labeling. Key words: Sentiment Analysis, Social Media, Naïve Bayes, Support Vector Machine Social Media Twitter adalah salah satu contoh media sosial yang digunakan oleh publik untuk mengirim dan membaca tweet yang telah dibagikan, sehingga lebih mudah untuk menuangkan pendapat mereka. Pendapat yang terdapat di media sosial Twitter adalah persepsi, baik positif maupun negatif. Banyaknya pendapat publik dapat digunakan sebagai bahan penelitian untuk menemukan informasi. Pemanfaatan informasi ini memerlukan teknik analisis yang tepat sehingga informasi yang dihasilkan dapat membantu banyak pihak dalam membuat keputusan. Penggunaan teknik dalam pemrosesan data dapat diselesaikan dengan teknik analisis sentimen. Pada penelitian ini dilakukan analisa sentimen untuk mengetahui pendapat masyarakat terhadap studi kasus Pemeriksaan Smartphone Oleh Aipda Ambarita. Metode yang digunakan adalah algoritma klasifikasi Naïve Bayes dan Support Vector Machine dengan dibantu oleh tools RapidMiner dan Python. Penelitian ini memperoleh hasil yang baik dengan hasil eksperimen menunjukkan bahwa algoritma Support Vector Machine memberikan nilai akurasi tertinggi yaitu 94% untuk model persentase split 90:10 dengan labeling otomastis. Kata kunci: Analisa Sentimen, Media Sosial, Naïve Bayes, Support Vector Machine

Item Type:	Thesis (S1)
Call Number CD:	FIK/INFO. 22 153
NIM/NIDN Creators:	41518020003
Uncontrolled Keywords:	Analisa Sentimen, Media Sosial, Naïve Bayes, Support Vector Machine
Subjects:	600 Technology/Teknologi > 690 Buildings/Teknik Bangunan 600 Technology/Teknologi > 690 Buildings/Teknik Bangunan > 690.1-690.9 Standard Subdivisions of Planning, Anaysis, Engineering Design/Subdivisi Standar Dari Perencanaan, Analisa dan Teknik Bangunan 600 Technology/Teknologi > 690 Buildings/Teknik Bangunan > 694 Wood Construction, Carpentry/Pertukangan Kayu, Tukang Kayu
Divisions:	Fakultas Ilmu Komputer > Informatika
Depositing User:	ELMO ALHAFIIDH PUTRATAMA
Date Deposited:	24 Oct 2022 06:35
Last Modified:	26 Oct 2022 07:16
URI:	http://repository.mercubuana.ac.id/id/eprint/70849

Actions (login required)

View Item