ANALISIS SENTIMEN PEMBELAJARAN DARING PADA MAHASISWA MENGGUNAKAN METODE MAXIMUM ENTROPY DENGAN SELEKSI FITURINFORMATION GAIN

HARAHAP, RAHMATSYAH HABIBIE (2021) ANALISIS SENTIMEN PEMBELAJARAN DARING PADA MAHASISWA MENGGUNAKAN METODE MAXIMUM ENTROPY DENGAN SELEKSI FITURINFORMATION GAIN. Other thesis, Universitas Pembangunan Nasional "Veteran" Yogyakarta.

Preview	Text Cover.pdf Download (392kB) | Preview
Preview	Text Daftar Isi.pdf Download (191kB) | Preview
Preview	Text Halaman Pengesahan Pembimbing.pdf Download (137kB) | Preview
Preview	Text Abstrak.pdf Download (146kB) | Preview
Preview	Text DAFTAR PUSTAKA.pdf Download (379kB) | Preview
	Text Skripsi-Full.pdf Download (5MB)

Abstract

Melalui Kementerian Pendidikan dan Kebudayaan Pemerintah telah melarang perguruan
tinggi untuk melaksanakan perkuliahan tatap muka (konvensional) dan memerintahkan untuk
menyelenggarakan perkuliahan atau pembelajaran secara daring (Surat Edaran Kemendikbud
Dikti No. 1 tahun 2020). Twitter kerap dimanfaatkan untuk meninjau atau mengambil berbagai
pendapat atau opini para pengguna yang nantinya akan diolah menjadi sebuah data, yang
kemudian data tersebut akan diolah kembali untuk menemukan sebuah solusi dari suatu
permasalahan yang ada. Analisis sentimen dilakukan untuk mengetahui pendapat atau opini
yang dikemukakan dalam kalimat atau dokumen tersebuh, apakah akan bernilai positif, negatif
atau netral. Untuk menganalisis suatu sentimen diperlukan adanya metode yang bisa
mengelompokan suatu sentimen, Maximum Entropy merupakan metode yang digunakan pada
penelitian ini dengan metode evaluasi yang digunakan adalah Confusion Matrix yang nantinya
akan menghitung nilai Macro dan Micro averaging dari nilai evaluasi yang dihasilkan. Hasil
evaluasi yang dilakukan dalam penelitian ini menghasilkan nilai akurasi Macro yang cukup
tinggi yaitu sebesar 68% dengan nilai precision 72% dan recall sebesar 92% . Pengujian
dilakukan dengan menguji sebanyak 250 tweet.

Kata Kunci : twitter, analisis sentimen, kuliah online, maximum entropy, information
gain

Item Type:	Thesis (Other)
Subjects:	T Technology > T Technology (General)
Divisions:	Faculty of Engineering, Science and Mathematics > School of Engineering Sciences
Depositing User:	Sarimin Sarimin
Date Deposited:	25 Jun 2021 02:48
Last Modified:	12 May 2022 02:52
URI:	http://eprints.upnyk.ac.id/id/eprint/26025

Actions (login required)

View Item