ALVIRA YUSNIA PRADANI (2023) TEXT MINING DAN SENTIMENT ANALYSIS MEMBANDINGKAN METODE NAÏVE BAYES (NB) CLASSIFIER DAN SUPPORT VECTOR MACHINE (SVM ) (STUDI KASUS: DATA TANGGAPAN MENGENAI PRESIDEN INDONESIA BAPAK JOKOWI DAN PEMERINTAHANYA DI TAHUN 2022 MELALUI MEDIA SOSIAL TWITTER). S1 thesis, Universitas Muhammadiyah Yogyakarta.

	Text (Halaman Judul) Halaman Judul.pdf Download (857kB)
	Text (Lembar Pengesahan) Lembar Pengesahan.pdf Restricted to Registered users only Download (479kB)
	Text (Abstrak) Abstrak.pdf Restricted to Registered users only Download (13kB)
	Text (Bab I) Bab I.pdf Download (23kB)
	Text (Bab II) Bab II.pdf Restricted to Registered users only Download (231kB)
	Text (Bab III) Bab III.pdf Restricted to Registered users only Download (366kB)
	Text (Bab IV) Bab IV.pdf Restricted to Registered users only Download (387kB)
	Text (Bab V) Bab V.pdf Restricted to Registered users only Download (21kB)
	Text (Daftar Pustaka) Daftar Pustaka.pdf Restricted to Registered users only Download (119kB)
	Text (Lampiran) Lampiran.pdf Restricted to Registered users only Download (448kB)
	Text (Naskah Publikasi) Naskah Publikasi.pdf Restricted to Registered users only Download (297kB)
	Text (Full Text) Full Text.pdf Restricted to Repository staff only Download (2MB)

Abstract

Banyak orang tertarik untuk mengetahui bagaimana pandangan publik terhadap pemerintahan Presiden Joko Widodo. Analisis Text Mining dapat menjadi salah satu cara untuk mengumpulkan dan menganalisis data tekstentang pemerintahan Joko Widodo dan mengekstrak informasi yang relevan dari data tersebut. Data diperoleh dengan mengumpulkan data tweet pemerintahan Joko Widodo tahun 2022 di Twitter menggunakan Netlyitic. Kemudian dilakukan analisis Text Mining pemerintahan Joko Widodo dengan menggunakan klasifikasi Navie Bayes (NVB) dan Support Vector Machine (SVM). Klasifikasi ini dapat digunakan untuk memprediksi sentimen atau pandangan publik terhadap pemerintah berdasarkan tweet yang dikumpulkan. Berdasarkan studi kasus hasil klasifikasi Presiden Joko Widodo dengan menggunakan klasifikasi Naive Bayes diperoleh nilai presisi sebesar 79%, nilai recall sebesar 91% dan nilai presisi sebesar 82%. Dan dengan menggunakan SVM, kita mendapatkan 85% presisi, 95% recall, dan 83% presisi. Karena akurasi, daya ingat, dan presisi yang tinggi, dapat dikatakan bahwa klasifikasi SVM lebih akurat daripada NVB.

Dosen Pembimbing:	Haris Setyawan, S.T., M.Eng and Laila Ma'rifatul Azizah, S.kom., M.I.M. | NIDN0511116901, NIDN0509098901
Item Type:	Thesis (S1)
Uncontrolled Keywords:	Naïve Bayes, Support Vector Machine, Text Mining, analisis, klasifikasi
Divisions:	Fakultas Teknik > S1 Teknologi Informasi
Depositing User:	Eko Kurnawan
Date Deposited:	23 Nov 2023 05:42
Last Modified:	23 Nov 2023 05:42
URI:	https://etd.umy.ac.id/id/eprint/42924

Actions (login required)

View Item