Heriyanto, Kus (2022) ANALISIS SENTIMEN PADA PT.KAI MENGGUNAKAN METODE NAIVE BAYES CLASSIFIER DENGAN PARTICLE SWARM OPTIMIZATION. Other thesis, UPN 'Veteran" Yogyakarta.
Text
Abstrak_123160020.pdf Download (229kB) |
|
Text
Lembar Pengesahan2_123160020.pdf Download (289kB) |
|
Text
Daftar Isi_123160020.pdf Download (263kB) |
|
Text
Daftar Pustaka _123160020.pdf Download (382kB) |
|
Text
Skripi_123160020.pdf Restricted to Repository staff only Download (2MB) |
Abstract
Kereta api merupakan transportasi umum yang banyak diminati oleh para penduduk
Indonesia untuk berpergian antar kota maupun antar provinsi, karena juga memiliki keunggulan
dibandingkan transportasi umum lainya, salah satunya tarif yang bersahabat dengan kantong
penduduk Indonesia. Sosial media adalah sebuah media untuk bersosialisasi satu sama lain dan
dilakukansecara online yang memungkinkan manusia untuk saling berinteraksi tanpa dibatasi
ruang dan waktu.
Mengetahui tingkat akurasi sentimen masyarakat pada twitter dengan membandingkan
metode naive bayes classifier murni dan metode Naive Bayes Classifier dengan optimasi
algoritma Particle Swarm Optimization. Serta mengetahui performa dari NBC dengan PSO
dalam melakukan klasifikasi sentimen masyarakat dari Twitter kedalam kelas positif atau
negatif.
Pada penelitian ini hasil pengujian yang telah dilakukan dapat diketahui bahwa dalam
penambahanoptimasi dari Particle Swarm Optimization (PSO) pada klasifikasi Naive Bayes
Classifier (NBC) terjadi peningkatan pada hasil akurasi sebesar 2,5% dari yang sebelum
dioptimasi sebesar 72,5% menjadi 75% setelah dioptimasi dengan algoritma Particle Swarm
Optimization (PSO).
Kata kunci : Sentimen, Naive Bayes Classifier, Particle Swarm Optimization, Twitter, Kai
Item Type: | Thesis (Other) |
---|---|
Uncontrolled Keywords: | Sentimen, Naive Bayes Classifier, Particle Swarm Optimization, Twitter, Kai |
Subjects: | Z Bibliography. Library Science. Information Resources > ZA Information resources |
Divisions: | Faculty of Engineering, Science and Mathematics > School of Engineering Sciences |
Depositing User: | Eko Yuli |
Date Deposited: | 23 Nov 2022 03:18 |
Last Modified: | 23 Nov 2022 03:18 |
URI: | http://eprints.upnyk.ac.id/id/eprint/31703 |
Actions (login required)
View Item |