PENERAPAN ANALISIS SENTIMEN TERHADAP TWEET BOIKOT PRODUK UNILEVER MENGGUNAKAN SVM DAN FASTTEXT

Azam, Muhammad Tsabit Al (2024) PENERAPAN ANALISIS SENTIMEN TERHADAP TWEET BOIKOT PRODUK UNILEVER MENGGUNAKAN SVM DAN FASTTEXT. Other thesis, UPN "Veteran" Yogyakarta.

[thumbnail of COVER.pdf] Text
COVER.pdf

Download (138kB)
[thumbnail of ABSTRAK.pdf] Text
ABSTRAK.pdf

Download (15kB)
[thumbnail of Lembar Pengesahan Pembimbing.pdf] Text
Lembar Pengesahan Pembimbing.pdf

Download (341kB)
[thumbnail of Lembar Pengesahan Penguji.pdf] Text
Lembar Pengesahan Penguji.pdf

Download (324kB)
[thumbnail of DAFTAR ISI.pdf] Text
DAFTAR ISI.pdf

Download (61kB)
[thumbnail of DAFTAR PUSTAKA.pdf] Text
DAFTAR PUSTAKA.pdf

Download (141kB)
[thumbnail of Skripsi Full Muhammad Tsabit Al Azam - 123200170.pdf] Text
Skripsi Full Muhammad Tsabit Al Azam - 123200170.pdf
Restricted to Repository staff only

Download (2MB)

Abstract

Boikot terhadap produk Unilever akibat keterkaitannya dengan konflik Israel
Palestina telah memicu respons publik yang beragam di media sosial, termasuk platform X
(Twitter). Untuk mengidentifikasi sentimen publik terhadap isu ini, diperlukan analisis
mendalam yang tidak hanya membantu perusahaan dalam merespons tekanan masyarakat,
tetapi juga memberikan wawasan strategis untuk menjaga citra dan kinerja perusahaan di
tengah dinamika hubungan internasional yang kompleks.
Penelitian ini menggunakan algoritma Support Vector Machine (SVM) dengan
ekstraksi fitur FastText untuk menganalisis sentimen dari data ulasan X. Metodologi
penelitian meliputi pengumpulan data melalui scraping, pelabelan manual, preprocessing
teks, ekstraksi fitur menggunakan FastText, pelatihan model SVM dengan kernel l Radial
Basis Function (RBF), serta evaluasi performa model menggunakan metrik akurasi,
precision, recall, dan F1-score. Model diuji dengan berbagai kombinasi parameter untuk
mengidentifikasi konfigurasi terbaik yang dapat memberikan hasil paling optimal dalam
klasifikasi sentimen publik.
Hasil penelitian menunjukkan bahwa model ekstraksi fitur FastText dan SVM
dengan kernel Radial Basis Function (RBF) dan parameter C = 10 serta gamma = 0.01
memberikan performa terbaik dalam analisis sentimen boikot produk Unilever. Model ini
mencapai akurasi sebesar 93%, precision 94%, recall 90%, dan F1-score 93%. Temuan ini
membuktikan bahwa kombinasi metode SVM dan FastText adalah pendekatan yang sangat
efektif untuk diterapkan dalam analisis sentimen.
Kata Kunci : Boikot Unilever, Analisis Sentimen, Support Vector Machine, Fasttext,
Israel-Palestina.

Item Type: Thesis (Other)
Uncontrolled Keywords: Boikot Unilever, Analisis Sentimen, Support Vector Machine, Fasttext, Israel-Palestina.
Subjects: H Social Sciences > H Social Sciences (General)
Divisions: Faculty of Engineering, Science and Mathematics > School of Engineering Sciences
Depositing User: A.Md.SI Indah Lestari Wulan Aji
Date Deposited: 07 Mar 2025 03:04
Last Modified: 07 Mar 2025 03:04
URI: http://eprints.upnyk.ac.id/id/eprint/42205

Actions (login required)

View Item View Item