ANALISIS SENTIMEN KEBIJAKAN PEMERINTAH DALAM PENANGANAN PANDEMI CORONAVIRUS DISEASE 2019 (COVID-19) BERDASARKAN OPINI MASYARAKAT PADA MEDIA SOSIAL TWITTER MENGGUNAKAN METODE SUPPORT VECTOR MACHINE (SVM)

RASYID, MUHAMMAD HAFIZH (2022) ANALISIS SENTIMEN KEBIJAKAN PEMERINTAH DALAM PENANGANAN PANDEMI CORONAVIRUS DISEASE 2019 (COVID-19) BERDASARKAN OPINI MASYARAKAT PADA MEDIA SOSIAL TWITTER MENGGUNAKAN METODE SUPPORT VECTOR MACHINE (SVM). Other thesis, UPN "Veteran" Yogyakarta.

Preview	Text ABSTRAK.pdf Download (12kB) | Preview
Preview	Text COVER.pdf Download (144kB) | Preview
Preview	Text DAFTAR ISI.pdf Download (44kB) | Preview
Preview	Text DAFTAR PUSTAKA(2).pdf Download (156kB) | Preview
Preview	Text LEMBAR PENGESAHAN.pdf Download (437kB) | Preview
	Text SKRIPSI-FULL-.pdf Restricted to Repository staff only Download (4MB)

Abstract

vi
ABSTRAK
Badan Kesehatan Dunia secara resmi mendeklarasikan Coronavirus Disease 2019
(COVID-19) sebagai pandemi global pada tanggal 9 Maret 2020. Secara global, per tanggal
29 Juli 2021, tercatat ada 195.886.929 kasus yang dilaporkan dan 4.189.148 angka kematian
akibat pandemi Coronavirus Disease 2019 (COVID-19). Sehubungan dengan deklarasi
tersebut, setiap negara diharapkan melakukan kebijakan untuk meminimalisasi jumlah
penyebaran Coronavirus Disease 2019 (COVID-19). Seiring diberlakukannya kebijakan
untuk mengatasi pandemi Coronavirus Disease 2019 (COVID-19) tak lepas dari pro kontra
masyarakat. Media sosial merupakan sarana yang tepat dalam membangkitkan partisipasi
masyarakat dengan memberi kontribusi dan feedback secara terbuka, memberi komentar
terhadap suatu isu. Analisis sentimen merupakan bidang studi yang menganalisis pendapat,
sentimen, penilaian, evaluasi, sikap, dan emosi seseorang terkait suatu topik, layanan, produk,
individu, organisasi, atau kegiatan tertentu
Proses awal pada penelitian ini melakukan pengambilan data komentar publik pada
media sosial Twitter dengan kata kunci Belajar Online, WFH, PSBB, PPKM dan Vaksinasi
yang akan dibagi menjadi dua kelas yaitu positif dan negatif. Selanjutnya komentar publik
akan melalui proses text pre-processing dan pembobotan kata Term Frequency-Inverse
Document Frequency (TF-IDF). Penelitian ini menggunakan metode Support Vector
Machine (SVM) dengan kernel Radiant Bassis Function (RBF) dalam melakukan klasifikasi
komentar publik yang terbagi menjadi dua kelas, yaitu postif dan negatif.
Berdasarkan hasil pengujian yang telah dilakukan didapatkan hasil bahwa model
Support Vector Machine (SVM) dengan k-fold cross validation dengan fold sebanyak 5 dengan
perbandingan data latih dan data uji 60:40, 70:30, 80:20 dan 90:10, pada perbandingan 60:40
mendapatkan hasil rata-rata akurasi sebesar 94%, presission sebesar 94,18% dan recall sebesar
93,92%, pada perbandingan 70:30 mendapatkan hasil rata-rata akurasi sebesar 91,2%,
presission sebesar 91,60% dan recall sebesar 91,13%, pada perbandingan 80:20 mendapatkan
hasil rata-rata akurasi sebesar 87,8%, presission sebesar 87,66% dan recall sebesar 87,96%,
dan pada perbandingan 90:10 mendapatkan hasil rata-rata akurasi sebesar 84,4%, presission
sebesar 84,49% dan recall sebesar 84,24%.
Kata kunci : analisis sentimen, kebijakan pemerintah, COVID-19, Support Vector Machine.

Item Type:	Thesis (Other)
Uncontrolled Keywords:	analisis sentimen, kebijakan pemerintah, COVID-19, 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:	03 Feb 2022 07:07
Last Modified:	12 Aug 2022 04:13
URI:	http://eprints.upnyk.ac.id/id/eprint/28207

Actions (login required)

View Item