PERBANDINGAN PELABELAN LEXICON BASED TEXTBLOB, VADER, DAN MANUAL PADA ANALISIS SENTIMEN APLIKASI PEDULILINDUNGI DENGAN METODE SUPPORT VECTOR MACHINE

Sari, Ivana Puspita (2022) PERBANDINGAN PELABELAN LEXICON BASED TEXTBLOB, VADER, DAN MANUAL PADA ANALISIS SENTIMEN APLIKASI PEDULILINDUNGI DENGAN METODE SUPPORT VECTOR MACHINE. Other thesis, UPN 'Veteran" Yogyakarta.

	Text ABSTRAK.pdf Download (31kB)
	Text COVER.pdf Download (148kB)
	Text DAFTAR ISI.pdf Download (94kB)
	Text SKRIPSI FULL_IVANA PUSPITA SARI.pdf Restricted to Repository staff only Download (3MB)
	Text DAFTAR PUSTAKA.pdf Download (165kB)
	Text PENGESAHAN PEMBIMBING.pdf Download (237kB)

Abstract

Wabah COVID-19 telah dinyatakan sebagai pandemi oleh Badan Kesehatan Dunia
(WHO), karena penyebarannya yang tinggi. Wabah ini tersebut masih terjadi hingga saat ini
dan masih menjadi topik yang diperbincangkan oleh banyak orang dari seluruh penjuru
dunia. Begitu juga di Indonesia. Kasus Coronavirus Disease di Indonesia telah berdampak
dalam segala lapisan kehidupan. Akibat dari adanya pandemi COVID-19 ini pemerintah
meluncurkan aplikasi PeduliLindungi yang dapat diunduh di smartphone. Adanya aplikasi
ini menimbulkan opini dari masyarakat dengan pendapat mereka masing-masing. Oleh
sebab itu diperlukan untuk melakukan analisis sentimen dengan topik aplikasi
PeduliLindungi tersebut. Analisis sentimen bertujuan untuk mengetahui secara otomatis
sikap atau pendapat seseorang terhadap suatu entitas, orang, atau topik tersebut. Data yang
diambil berasal dari twitter, karena twitter merupakan salah satu media sosial yang
dimanfaatkan belakangan ini dimana sudah umum di beberapa negara termasuk Indonesia.
Penelitian ini menggunakan algoritma Support Vector Machine (SVM) untuk
melakukan analisis sentimen. Sedangkan untuk proses pelabelan pada datasetnya
menggunakan tiga jenis pelabelan yang akan dibandingkan yaitu manual, TextBlob, dan
VADER. Pelabelan manual dilakukan oleh expert, pelabelan manual ini akan membutuhkan
waktu yang lama tergantung pada jumlah datasetnya dan juga hasil berdasarkan subjektifitas
orang yang memberikan label. Sedangkan pada pelabelan otomatis TextBlob dan VADER
proses dilakukan dengan sangat cepat akan tetapi untuk ketepatan dalam melakukan
pelabelan perlu diteliti. Sehingga tujuan dari penelitian ini yaitu untuk membandingkan
ketiga jenis pelabelan tersebut yang akan digabungkan dengan algoritma Support Vector
Machine. Metode pengujian pada penelitian ini dengan menggunakan confusion matrix
untuk menentukan nilai accuracy, precision, recall, dan f1-score.
Berdasarkan hasil pengujian dengan confusion matrix metode Support Vector Machine
memiliki tingkat accuracy untuk pelabelan manual sebesar 76%, precision sebesar 81%,
recall sebesar 69%, dan f1-score sebesar 72%. Sedangkan pelabelan TextBlob memiliki
accuracy sebesar 73%, precision 74%, recall 63%, dan f1-score 66%. Untuk pelabelan
dengan VADER memiliki accuracy sebesar 88%, precision 86%, recall 48%, dan f1-score
54%.
Kata kunci : PeduliLindungi, analisis sentimen, TextBlob, VADER

Item Type:	Thesis (Other)
Uncontrolled Keywords:	PeduliLindungi, analisis sentimen, TextBlob, VADER
Subjek:	T Technology > T Technology (General)
Divisions:	x. Faculty of Engineering, Science and Mathematics > School of Engineering Sciences
Depositing User:	Eko Yuli
Date Deposited:	09 Dec 2022 04:06
Last Modified:	09 Dec 2022 04:06
URI:	http://eprints.upnyk.ac.id/id/eprint/31853

Actions (login required)

View Item