ANALISIS SENTIMEN PERSEPSI MASYARAKAT TERHADAP VAKSINASI COVID-19 PADA MEDIA SOSIAL TWITTER MENGGUNAKAN ALGORITMA SVM

FADILLAH, MUHAMMAD ALLIEF (2024) ANALISIS SENTIMEN PERSEPSI MASYARAKAT TERHADAP VAKSINASI COVID-19 PADA MEDIA SOSIAL TWITTER MENGGUNAKAN ALGORITMA SVM. Diploma thesis, Universitas Pembangunan Nasional "Veteran" Yogyakarta.

	Text COVER.pdf Download (124kB)
	Text ABSTRAK.pdf Download (18kB)
	Text DAFTAR ISI.pdf Download (298kB)
	Text DAFTAR PUSTAKA.pdf Download (194kB)
	Text PENGESAHAN PEMBIMBING.pdf Download (443kB)
	Text PENGESAHAN PENGUJI.pdf Download (443kB)
	Text SKRIPSI FULL_MUHAMMAD ALLIEF FADILLAH_123180090.pdf Restricted to Repository staff only Download (1MB)

Abstract

Vaksinasi menjadi salah satu strategi untuk menghadapi penyebaran virus COVID-19.
Seiring dilaksanakannya vaksinasi COVID-19 di Indonesia muncul berbagai persepsi yang
diberikan oleh masyarakat pada media sosial. Persepsi yang diberikan oleh masyakarat
bersifat positif, negatif, atau netral sehingga menjadi kunci berhasil atau tidaknya
pelaksanaan COVID-19 di Indonesia. Tujuan dilakukannya penelitian ini yaitu Menganalisis
dan mengevaluasi akurasi algoritma SVM dalam mengklasifikasikan sentimen masyarakat
Indonesia terhadap vaksinasi COVID-19 berdasarkan unggahan di Twitter. Metodologi
penelitian yang digunakan adalah metode kuantitatif yang didasarkan pada pengujian sebuah
teori yang terdiri dari variabel-variabel yang diukur dengan angka, dan dianalisis dengan
prosedur statistik. Perancangan pada penelitian ini menggunakan pengembangan sistem
waterfall dengan perancangan antarmuka sistem. Pengujian model yang dilakukan
menggunakan confusion matrix untuk menghitung nilai akurasi, presisi, recall dan, f-1 score
dari klasifikasi sentimen dengan metode SVM. Pengumpulan data dilaukan dengan
menggunakan studi literatur dan web scrapping. Setelah data diperoleh maka akan dilakukan
pelabelan data, preprocessing data, pembobotan TF-IDF, optimasi SMOTE, pemodelan
SVM, klasifikasi SVM dan pengujian. Berdasarkan pengujian maka hasil pada penelitian ini
yaitu metode SVM menghasilkan akurasi sebesar 83,18%, presisi sebesar 83,08%, recall
sebesar 83,26%, dan f1-score 83,03%. Sehingga dapat disimpulkan bahwa sistem klasifikasi
sentimen yang dibangun berhasil menghasilkan klasifikasi sentimen positif, negatif, maupun
netral terhadap data sentimen mengenai vaksinasi COVID-19 yang diperoleh dari media
sosial Twitter.
Kata Kunci : COVID-19, Sentimen Masyarakat, Support Vector Machine

Item Type:	Thesis (Diploma)
Uncontrolled Keywords:	COVID-19, Sentimen Masyarakat, Support Vector Machine
Subjects:	Q Science > Q Science (General)
Divisions:	Faculty of Engineering, Science and Mathematics > School of Engineering Sciences
Depositing User:	Eny Suparny
Date Deposited:	17 Apr 2024 08:26
Last Modified:	17 Apr 2024 08:26
URI:	http://eprints.upnyk.ac.id/id/eprint/39305

Actions (login required)

View Item