ANALISIS SENTIMEN OPINI PUBLIK MENGENAI COVID-19 PADA TWITTER MENGGUNAKAN METODE SUPPORT VECTOR MACHINE (SVM)

HIDAYAH, TANTI and Fathoni, Fathoni (2022) ANALISIS SENTIMEN OPINI PUBLIK MENGENAI COVID-19 PADA TWITTER MENGGUNAKAN METODE SUPPORT VECTOR MACHINE (SVM). Undergraduate thesis, Sriwijaya University.

	Text RAMA_57201_09031381823124.pdf - Accepted Version Restricted to Repository staff only Available under License Creative Commons Public Domain Dedication. Download (3MB) | Request a copy
	Text RAMA_57201_09031381823124_TURNITIN.pdf - Accepted Version Restricted to Repository staff only Available under License Creative Commons Public Domain Dedication. Download (12MB) | Request a copy
Preview	Text RAMA_57201_09031381823124_0218107201_01_front_ref.pdf - Accepted Version Available under License Creative Commons Public Domain Dedication. Download (1MB) | Preview
	Text RAMA_57201_09031381823124_0218107201_02.pdf - Accepted Version Restricted to Repository staff only Available under License Creative Commons Public Domain Dedication. Download (251kB) | Request a copy
	Text RAMA_57201_09031381823124_0218107201_03.pdf - Accepted Version Restricted to Repository staff only Available under License Creative Commons Public Domain Dedication. Download (1MB) | Request a copy
	Text RAMA_57201_09031381823124_0218107201_04.pdf - Accepted Version Restricted to Repository staff only Available under License Creative Commons Public Domain Dedication. Download (2MB) | Request a copy
	Text RAMA_57201_09031381823124_0218107201_05.pdf - Accepted Version Restricted to Repository staff only Available under License Creative Commons Public Domain Dedication. Download (142kB) | Request a copy
	Text RAMA_57201_09031381823124_0218107201_06_ref.pdf - Bibliography Restricted to Repository staff only Available under License Creative Commons Public Domain Dedication. Download (157kB) | Request a copy
	Text RAMA_57201_09031381823114_0218107201_07_lamp.pdf - Accepted Version Restricted to Repository staff only Available under License Creative Commons Public Domain Dedication. Download (170kB) | Request a copy

Abstract

Analisis sentimen merupakan bagian dari ilmu data mining yang memiliki tujuan untuk menganalisis dan mengekstrak data tekstual yang berupa pendapat, evaluasi, sikap, emosi, penilaian, dan sentimen seseorang terhadap suatu barang, orang, organisasi, dan masalah. Pada penelitian ini proses pelabelan sentimen pada tanggapan dilakukan dengan menghitung jumlah kata positif dan negatif pada setiap tanggapan, apabila jumlah kata positif lebih banyak maka termasuk tanggapan positif, namun apabila jumlah kata negatif lebih banyak termasuk tanggapan negatif. Analisis sentimen opini publik melalui media sosial Twitter terhadap tindakan pemerintah Indonesia pada kasus Covid-19 menggunakan metode Support vector machine (SVM). SVM merupakan singkatan dari Support Vector Machine, SVM bekerja dengan membagi dua kelompok kelas data menggunakan fungsi linear dalam sebuah ruang fitur berdimensi tinggi dengan proses menemukan garis pemisah (hyperplane) terbaik sehingga dapat menemukan ukuran margin yang maksimal antara ruang input dengan ruang ciri menggunakan kaidah kernel. Kelebihan dari metode SVM adalah SVM dapat menentukan hyperplane atau bidang pemisah dengan memilih bidang dengan optimal margin maka generalisasi pada SVM dapat terjaga dengan sendirinya, tingkat generalisasi pada SVM tidak dipengaruhi oleh jumlah data latih, dengan menentukan parameter soft margin, noise dapat dikontrol sehingga makin besar parameter soft margin, semakin besar pula pinalti yang dikenakan pada kesalahan pada klasifikasi. Hasil penelitian menunjukan bahwa data uji yang didapat memiliki tingkat Akurasi sebesar 0.9522 (95.22%) dengan menggunakan model Support Vector Machine (SVM). Kata Kunci: Covid-19, Sentimen, Support Vector Machine, Twitter.

Item Type:	Thesis (Undergraduate)
Uncontrolled Keywords:	Data Science, Machine Learning
Subjects:	T Technology > T Technology (General) > T1-995 Technology (General)
Divisions:	09-Faculty of Computer Science > 57201-Information Systems (S1)
Depositing User:	Tanti Hidayah
Date Deposited:	31 Mar 2022 04:44
Last Modified:	31 Mar 2022 04:44
URI:	http://repository.unsri.ac.id/id/eprint/67666

Actions (login required)

View Item