SENTIMENT ANALYS PADA MEDIA SOSIAL DENGAN METODE NAÏVE BAYES CLASSIFER (Studi Kasus: Twitter Komisi Pemilihan Umum Republik Indonesia)

Hidayat, Randa (2019) SENTIMENT ANALYS PADA MEDIA SOSIAL DENGAN METODE NAÏVE BAYES CLASSIFER (Studi Kasus: Twitter Komisi Pemilihan Umum Republik Indonesia). Other thesis, Universitas Pembangunan Nasional Veteran Yogyakarta.

Preview	Text ABSTRAK_123140004_RANDA HIDAYAT.pdf Download (148kB) | Preview
Preview	Text Cover_123140004_RANDA HIDAYAT.pdf Download (260kB) | Preview
Preview	Text DAFTAR ISI_123140004_RANDA HIDAYAT.pdf Download (283kB) | Preview
Preview	Text PENGESAHAN PEMBIMBING.pdf Download (591kB) | Preview
	Text SKRIPSI full_123140004_RANDA HIDAYAT.pdf Restricted to Repository staff only Download (7MB)
Preview	Text PENGESAHAN PENGUJI.pdf Download (601kB) | Preview

Abstract

Komisi Pemilihan Umum (KPU) adalah lembaga negara yang menyelenggarakan
pemilihan umum di Indonesia dan merupakan garis terdepan dalam sebuah negara. Dalam
penyelenggaraan pemilihan umum, komisi ini tidak hanya berurusan dengan partai politik
peserta pemilu tetapi juga harus berhadapan langsung dengan pemerintah dan masyarakat
luas. Semua orang bebas berpendapat atau beropini tentang KPU, sehingga memunculkan
banyak opini, tidak hanya opini yang positif atau negatif tapi juga yang netral. Banyaknya
jumlah pengguna twitter kerap dimanfaatkan instansi atau penjual untuk meninjau opini
pengguna mengenai isu ataupun barang yang dijual. Sentiment analysis atau opinion mining
adalah studi komputasional dari opini opini orang, sentimen dan emosi melalui entitas dan
atribut yang dimiliki yang diekspresikan dalam bentuk teks. Analisis sentiment dilakukan
untuk mengetahui pendapat yang dikemukakan dalam kalimat atau dokumen tersebut apakah
bersifat positif, negatif atau netral.
Metode yang digunakan dalam penelitian ini merupakan metode Naïve Bayes
Classifier (NBC). Metode tersebut sangatlah sederhana dan efisien Chen (2009).
Pengklasifikasian dengan algoritma Naïve Bayes Classifier (NBC) dikenal dengan teknik
machine learning yang populer dalam pengklasifikasian teks dan memiliki performa yang
baik pada banyak domain Ye (2009). Algoritma Naïve Bayes Classifier (NBC) sangat
sederhana namun memiliki kecepatan dan akurasi yang tinggi (Rish 2001).
Hasil pengujian pada sistem yang dibangun memperlihatkan bahwa metode Naïve
Bayes Classifiier memberikan akurasi 85.5 % dan presisi 76 % Sedangkan untuk hasil recall
menghasilkan 81%.
Kata Kunci : KPU, Naïve Bayes Classifier (NBC), Analisis Sentimen, media sosial, twitter.

Item Type:	Thesis (Other)
Subjek:	H Social Sciences > H Social Sciences (General)
Divisions:	x. Faculty of Engineering, Science and Mathematics > School of Engineering Sciences
Depositing User:	Eny Suparny
Date Deposited:	03 Oct 2019 04:14
Last Modified:	03 Oct 2019 04:32
URI:	http://eprints.upnyk.ac.id/id/eprint/21496

Actions (login required)

View Item