PENERAPAN ANALISIS SENTIMEN PADA MEDIA SOSIAL MENGGUNAKAN METODE LEXICON BASED DAN SUPPORT VECTOR MACHINE (SVM) SEBAGAI REKOMENDASI OLEH-OLEH FAVORIT

RAMPENG, DEBBY GYBSON PUTRI DERI DESYA (2018) PENERAPAN ANALISIS SENTIMEN PADA MEDIA SOSIAL MENGGUNAKAN METODE LEXICON BASED DAN SUPPORT VECTOR MACHINE (SVM) SEBAGAI REKOMENDASI OLEH-OLEH FAVORIT. Other thesis, Universitas Pembangunan Nasional "Veteran" Yogyakarta.

[img]
Preview
Text
Cover.pdf

Download (176kB) | Preview
[img]
Preview
Text
Lembar Pengesahan.pdf

Download (502kB) | Preview
[img]
Preview
Text
Abstrak.pdf

Download (252kB) | Preview
[img]
Preview
Text
DAFTAR ISI.pdf

Download (42kB) | Preview

Abstract

ABSTRAK Computer Based Information System (CBIS) FTI UPN “Veteran” merupakan sebuah sistem berbasis komputer yang memberikan informasi terkait tentang akademik. Pada CBIS terdapat sebuah sarana yang dapat dimanfaatkan mahasiswa untuk menyampaikan komentar atau pesan terkait pelayanan pihak fakultas dalam menyampaikan informasi yang sering disebut dengan Hot Messages. Komentar atau pesan tersebut dapat dimanfaatkan sebagai bahan evaluasi untuk mengetahui penilaian pelayanan fakultas dalam menyampaikan informasi apakah sudah efektif atau kurang efektif. Oleh karena itu, dibutuhkan analisis sentimen yang dapat menilai sentimen dari komentar yang disampaikan mahasiswa. Analisis sentimen adalah ilmu yang mempelajari bagaimana proses memahami, mengekstrak dan mengolah data tekstual secara otomatis untuk mendapatkan informasi. Pada penelitian ini, proses analisis sentimen menggunakan algoritma Naïve Bayes Classifier dan Lexicon Based. Data yang digunakan adalah data historis komentar mahasiswa pada Hot Messages CBIS FTI UPN “Veteran” Yogyakarta yang diambil secara manual. Data diambil sebanyak 200 data komentar untuk data latih. Sedangkan data uji untuk proses pengujian sebanyak 50 data komentar. Data diambil dari tahun 2011-2016. Pengujian dilakukan menggunakan metode Confusion Matrix. Dari hasil pengujian didapatkan hasil akurasi terbesar adalah menggunakan Naïve Bayes Classifier sebesar 88%, kemudian hasil presisi terbesar adalah menggunakan Naïve Bayes Classifier sebesar 84%, sedangkan untuk hasil recall terbesar adalah menggunakan Lexicon Based sebesar 100% Katakunci : CBIS, hot messages, analisis sentimen, naïve bayes classifier, lexicon based, confusion matrix

Item Type: Thesis (Other)
Subjects: Q Science > QA Mathematics > QA76 Computer software
Divisions: Faculty of Engineering, Science and Mathematics > School of Electronics and Computer Science
Depositing User: Basir Umaryadi
Date Deposited: 06 Nov 2018 02:35
Last Modified: 06 Nov 2018 02:35
URI: http://eprints.upnyk.ac.id/id/eprint/17299

Actions (login required)

View Item View Item