ANALISIS SENTIMEN MASYARAKAT PADA MEDIA SOSIAL TWITTER DENGAN METODE SUPPORT VECTOR MACHINE DAN LEXICON BASED FEATURES

Dwipayana, I Made Ermawan (2021) ANALISIS SENTIMEN MASYARAKAT PADA MEDIA SOSIAL TWITTER DENGAN METODE SUPPORT VECTOR MACHINE DAN LEXICON BASED FEATURES. Other thesis, UPN "Veteran" Yogyakarta.

Preview	Text ABSTRACK.pdf Download (147kB) | Preview
Preview	Text ABSTRAK.pdf Download (147kB) | Preview
Preview	Text DAFTAR PUSTAKA.pdf Download (276kB) | Preview
Preview	Text HALAMAN PENGESAHAN PEMBIMBING.pdf Download (276kB) | Preview
Preview	Text DAFTAR ISI.pdf Download (341kB) | Preview
	Text SKRIPSI-FULL-I-Made-Ermawan-Dwipayana-123140165.pdf Restricted to Repository staff only Download (4MB)

Abstract

vi
ABSTRAK
Media sosial khusunya media Twitter menjadi salah satu perangkat kommunikasi
yang sangat populer dikalangan pengguna internet dan pengguna media sosial. Maka
dilakukan penelitian tentang penerapan analisis sentimen untuk mengetahui pendapat
masyarakat melalui media sosial twitter. penggunaan metode Lexicon Based dan Support
Vector Machine (SVM) untuk menganalisis sentimen yang didapat dari twitter yang
dikemukakan berupa opini positif, ataupun negatif. Hasil sentiment tersebut menjadi salah
satu indikator dari hasil yang telah dicapai oleh DPR RI. Setiap anggota DPR pun dapat
mengetahui opini di media sosial twitter tentang kinerjanya. DPR dipilih melalui pemilihan
umum oleh rakyat, sudah sewajarnya rakyat perlu mendapatkan pelayanan yang terbaik dari
legislatif pilihannya.
Hasil pengujian yang dilakukan oleh sistem menunjukan kedua metode berjalan dengan
sangat baik dimana Support Vector Machine memberikan nilai akurasi sebesar 80,54%
dengan presisi 63,87% dan recall sebesar 80,.30%. sedangkan untuk Lexicon Based Featured
memberikan 806,87% akurasi dengan 65,06% presisi dan recall sebanyak 100%. Tingginya
nilai dari Lexicon Based Featured bergantung pada banyak data kata dalam kamus lexicon,
semakin banyak kamus lexicon semakin baik pula hasil dari pengujiannya.
Kata Kunci : Analisis Sentimen, Sentimen Masyarakat, Support Vector Machine,
Lexicon Based Featured.

Item Type:	Thesis (Other)
Uncontrolled Keywords:	Analisis Sentimen, Sentimen Masyarakat, Support Vector Machine,
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:	15 Dec 2021 06:31
Last Modified:	12 Jan 2023 02:58
URI:	http://eprints.upnyk.ac.id/id/eprint/27299

Actions (login required)

View Item