ANALISIS SENTIMEN PADA PELAYANAN JARINGAN INTERNET INDIHOME DENGAN METODE MULTINOMIAL NAÏVE BAYES MASA PANDEMI COVID-19

Reddy, Dion (2022) ANALISIS SENTIMEN PADA PELAYANAN JARINGAN INTERNET INDIHOME DENGAN METODE MULTINOMIAL NAÏVE BAYES MASA PANDEMI COVID-19. Undergraduate thesis, Universitas Muhammadiyah Jember.

	Text a. Pendahuluan.pdf Download (1MB)
	Text b. Abstrak.pdf Download (513kB)
	Text c. Bab I.pdf Download (1MB)
	Text d. Bab II.pdf Restricted to Repository staff only Download (1MB) \| Request a copy
	Text e. Bab III.pdf Restricted to Repository staff only Download (1MB) \| Request a copy
	Text f. Bab IV.pdf Restricted to Repository staff only Download (1MB) \| Request a copy
	Text g. Bab V.pdf Restricted to Repository staff only Download (863kB) \| Request a copy
	Text h. Daftar Pustaka.pdf Download (629kB)
	Text i. Lampiran.pdf Download (699kB)

Abstract

Pada saat pandemi Internet sangat dibutuhkan masyarakat karena semua pekerjaan dilakukan dirumah aja. Salah satu pelayanan jaringan internet di Indonesia adalah Indihome. Pengguna Indihome pun semakin banyak dengan imbasnya pandemi covid-19. Dengan semakin bertambahnya pengguna maka, banyak pula yang berkomentar tentang pelayanan internet di salah satu platform sosial media seperti Facebook. Penelitian ini bertujuan melakukan analisis sentimen pada komentar Facebook yang diambil dari fanspage Indihome. Menganalisis sentimen komentar masyarakat dengan klasifikasi metode Naïve Bayes. Dataset yang diambil menggunakan aplikasi facepager berjumlah total 854 data yang diambil pada saat masa pandemi. Kemudian dilabelin manual oleh pakar Bahasa dan dilakukan proses Text Mining. Sentimen pada dataset mempunyai 3 kelas yaitu Positif, Negatif, dan Netral. Tools yang digunakan untuk menghitung Naïve Bayes adalah Python. Mengklasifikasi dengan metode Naïve Bayes di prediksi menggunakan 4 Skenario dengan total 21 Akurasi. Dari 21 kali percobaan menghasilkan akurasi tertinggi menggunakan 10 fold iterasi 8 dengan Nilai sebesar 85.8%. Dari hasil uji coba dapat disimpulkan bahwa rata-rata tingkat akurasi cenderung meningkat dengan bertambahnya data training.

Item Type:

Thesis (Undergraduate)

Uncontrolled Keywords:

Naïve Bayes, Covid-19, Indihome, Analisis Sentimen, Komentar Facebook.

Subjects:

000 Computer Science, Information, & General Works > 004 Data Processing, Computer Science

Divisions:

Faculty of Engineering > Department of Informatics Engineering (S1)

Department:

S1 Teknik Informatika

Depositing User:

Dion Reddy