Cahyo, Joyo (2022) ANALISIS SENTIMEN PENGGUNA TWITTER TERHADAP PENERAPAN PEMBELAJARAN TATAP MUKA PADA MASA PANDEMI COVID-19 MENGGUNAKAN METODE NAIVE BAYES DAN SUPPORT VECTOR MACHINE. Undergraduate thesis, UPN Veteran Jawa Timur.
|
Text (COVER)
18082010034_Cover.pdf Download (3MB) | Preview |
|
|
Text (BAB 1)
18082010034_Bab1.pdf Download (211kB) | Preview |
|
![[img]](http://repository.upnjatim.ac.id/style/images/fileicons/text.png) |
Text (BAB 2)
18082010034_Bab2.pdf Restricted to Registered users only until 8 June 2024. Download (332kB) |
|
|
Text (BAB 3)
18082010034_Bab3.pdf Restricted to Registered users only until 8 June 2024. Download (227kB) |
|
|
Text (BAB 4)
18082010034_Bab4.pdf Restricted to Registered users only until 8 June 2024. Download (3MB) |
|
|
Text (BAB 5)
18082010034_Bab5.pdf Download (70kB) | Preview |
|
|
Text (DAFTAR PUSTAKA)
18082010034_Daftar_pustaka.pdf Download (151kB) | Preview |
Abstract
Salah satu media sosial yang banyak digunakan oleh masyarakat Indonesia yaitu twitter dimana penggunanya dapat mengungkapkan pendapatnya dalam sebuah postingan seperti kasus pembelajaran tatap muka yang mulai digelar kembali setelah diberlakukannya pembelajaran daring akibat pandemi covid-19. Pada kasus tersebut menimbulkan beberapa opini yang diberikan oleh masyarakat Indonesia diantaranya positif, negatif, maupun netral. Oleh karena itu perlu adanya analisis sentiment untuk mengetahui bagaimana respon masyarakat terhadap pembelajaran tatap muka ditengah pandemi covid-19 ini. Pembuatan sistem analisis sentiment dilakukan menggunakan python dengan dataset yang diolah sebanyak 9.300 data dan dikelompokkan menjadi sentiment positif, negatif, dan netral berdasarkan kata kunci “ptm” dan “pembelajaran tatap muka”. Penelitian dilakukan dengan tahapan pengumpulan data, penyaringan data, pelabelan data, analisis dan filter bot, text preprocessing, EDA, pembagian data, pembobotan TF-IDF, klasifikasi model, evaluasi model klasifikasi, dan visualisasi. Dari hasil penelitian yang dilakukan menggunakan filter maupun tidak dengan model Support Vector Machine dan Naïve Bayes menunjukkan bahwa akurasi tertinggi didapatkan oleh skenario menggunakan filter bot dengan model Support Vector machine kernel RBF 88,64% dengan hasil evaluasi F1-Score class positif 92%, negatif 83%, dan netral 0% dan evaluasi confusion matrix prediksi benar class positif 97% negatif 76% dan netral 0%. Kemudian skenario model dengan akurasi terbesar akan divisualisasikan dan dibuat fitur prediksi sentiment agar dapat dimengerti dan membantu masyarakat umum. Hasil pada prediksi sentiment diuji menggunakan data baru sebanyak 50 data yang hasilnya memperoleh tingkat akurasi prediksi baru sebesar 100% untuk class positif, 66% negative, dan 0% netral. Kata kunci : pembelajaran tatap muka, Naïve Bayes, Support Vector Machine, Twitter, Klasifikasi
| Item Type: | Thesis (Undergraduate) | ||||||||||||
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| Contributors: |
|
||||||||||||
| Subjects: | Q Science > QA Mathematics > QA75 Electronic computers. Computer science Q Science > QA Mathematics > QA76.6 Computer Programming Q Science > QA Mathematics > QA76.625 Internet Programming |
||||||||||||
| Divisions: | Faculty of Computer Science > Departemen of Information Systems | ||||||||||||
| Depositing User: | cahyo joyo prawiro | ||||||||||||
| Date Deposited: | 08 Jun 2022 06:34 | ||||||||||||
| Last Modified: | 08 Jun 2022 06:34 | ||||||||||||
| URI: | http://repository.upnjatim.ac.id/id/eprint/6923 |
Actions (login required)
 |
View Item |