ANALISIS SENTIMEN PENERAPAN METODE SUPPORT VECTOR MACHINE TENTANG PEMINDAHAN IBU KOTA (Studi Kasus : Twitter)

PATOKKONGI, NURFADLI (2023) ANALISIS SENTIMEN PENERAPAN METODE SUPPORT VECTOR MACHINE TENTANG PEMINDAHAN IBU KOTA (Studi Kasus : Twitter). Other thesis, UPN "Veteran" Yogyakarta.

[thumbnail of 1. Skripsi Fulltext_123160191_Nurfadli Patokkongi.pdf] Text
1. Skripsi Fulltext_123160191_Nurfadli Patokkongi.pdf
Restricted to Repository staff only

Download (3MB)
[thumbnail of 2. Cover_123160191_Nurfadli Patokkongi.pdf] Text
2. Cover_123160191_Nurfadli Patokkongi.pdf

Download (136kB)
[thumbnail of 3. Abstrak_123160191_Nurfadli Patokkongi.pdf] Text
3. Abstrak_123160191_Nurfadli Patokkongi.pdf

Download (107kB)
[thumbnail of 4. Lembar Pengesahan_123160191_Nurfadli Patokkongi.pdf] Text
4. Lembar Pengesahan_123160191_Nurfadli Patokkongi.pdf

Download (701kB)
[thumbnail of 5. Daftar Isi_123160191_Nurfadli Patokkongi.pdf] Text
5. Daftar Isi_123160191_Nurfadli Patokkongi.pdf

Download (228kB)
[thumbnail of 6. Daftar Pustaka_123160191_Nurfadli Patokkongi.pdf] Text
6. Daftar Pustaka_123160191_Nurfadli Patokkongi.pdf

Download (129kB)

Abstract

Twitter merupakan platform media sosial yang memungkinkan penggunanya untuk
berinteraksi secara personal ataupun terbuka. Berbagai topik seperti politik, ekonomi, sosial
dll. merupakan gambaran pentingnya pembobotan kata (term) dalam sebuah dokumen dan
korpuspenentukan tingkat akurasi pada algoritma support vector machine dalam analisis
sentimen pemindahan ibu kota dimedia sosial twitter. Tujuan penelitian adalah untuk
mengetahui tingkat akurasi pada algoritma support vector machine.
Pre-processing merupakan tahap awal dari text mining untuk mengubah data sesuai
format yang dibutuhkan. Term Frequency-Invers Document Frequency (TF-IDF). Penelitian
menggunakan Support Vector Machine untuk klasifikasi ulasan berbahasa Indonesia.
Klasifikasi dibagi menjadi dua proses yaitu proses training dan proses testing. Proses training
digunakan untuk menghasilkan model sentimen yang digunakan sebagai acuan pada saat
melakukan proses testing atau input data baru.
Rancangan pengujian dilakukan menggunakan dataset yang telah didapatkan dengan
perbandingan 80% sebagai data latih dan 20% sebagai data uji. Metode pengujian yang akan
digunakan adalah confusion matrix. hasil pengujian dilakukan didapatkan hasil bahwa nilai
akurasi dari support vector machine dalam mengidentifikasi sentimen positif, negatif dari data
tweet pemindahan ibu kota. Dari hasil pengujian algoritma SVM mendapatkan rata-rata akurasi
sebesar 72%.Hasil dari penggunaan metode support vector machine (SVM) dapat mengenali
nilai analisis sentimen yang diberikan pada data tweet pemindahan ibu kota. Hasil pengujian
yang dilakukan menunjukan bahwa hasil nilai akurasi yang didapatkan 72%. Dapat
menggunakan kamus stopword sehingga mampu menghasilkan kalimat yang memiliki
sentimen lebih baik. Dapat melakukan pelabelan data yang lebih objektif.
Kata Kunci : Twitter, Analisis Sentimen, SVM, TF-IDF, Confusion Matrix

Item Type: Thesis (Other)
Uncontrolled Keywords: Twitter, Analisis Sentimen, SVM, TF-IDF, Confusion Matrix
Subjects: T Technology > T Technology (General)
Divisions: Faculty of Engineering, Science and Mathematics > School of Electronics and Computer Science
Depositing User: A.Md Apriliani Kusuma Wardhani
Date Deposited: 24 Jul 2023 04:56
Last Modified: 24 Jul 2023 04:56
URI: http://eprints.upnyk.ac.id/id/eprint/36520

Actions (login required)

View Item View Item