ANALISlS SENTIMEN TERHADAP ANIES BASWEDAN MENGGUNAKAN METODE SUPPORT VECTOR MACHINE STUDI KASUS MEDIA SOSIAL TWITTER

Akbar, Bagas Farasqa Nauval (2023) ANALISlS SENTIMEN TERHADAP ANIES BASWEDAN MENGGUNAKAN METODE SUPPORT VECTOR MACHINE STUDI KASUS MEDIA SOSIAL TWITTER. Undergraduate thesis, UNIVERSITAS MUHAMMADIYAH JEMBER.

	Text Pendahuluan.pdf Download (2MB)
	Text ABSTRAK.pdf Download (147kB)
	Text BAB I.pdf Download (235kB)
	Text BAB II.pdf Restricted to Repository staff only Download (449kB) | Request a copy
	Text BAB III.pdf Restricted to Repository staff only Download (630kB) | Request a copy
	Text BAB IV.pdf Restricted to Repository staff only Download (1MB) | Request a copy
	Text BAB V.pdf Restricted to Repository staff only Download (144kB) | Request a copy
	Text DAPUS.pdf Download (220kB)
	Text LAMPIRAN 1.pdf Restricted to Repository staff only Download (5MB) | Request a copy
	Text LAMPIRAN 2.pdf Restricted to Repository staff only Download (5MB) | Request a copy
	Text LAMPIRAN 3.pdf Restricted to Repository staff only Download (5MB) | Request a copy
	Text ARTIKEL.pdf Download (453kB)

Abstract

Anies Baswedan menjadi salah satu bakal calon presiden yang digulirkan media massa menjelang digelarnya Pemilihan Presiden 2024-2029 mendatang mulai menjadi topik pemberitaan media massa di Indonesia. Salah satu media sosial yang sering dipakai oleh publik yaitu Twitter. Banyaknya pengguna media sosial di Indonesia membuat media sosial terutama Twitter dapat digunakan secara efektif untuk melihat bagaimana pendapat dari masyarakat. Dari berbagai opini dan pendapat di twitter dibutuhkan sebuah teknik untuk membagi opini ke dalam kelas opini negatif, netral atau positif. Pada penelitian ini, digunakan Support Vector Machine Multiclass untuk proses klasifikasi dengan menggunakan metode One Against Rest dan Oversampling untuk mengatasi ketidakseimbangan kelas. Hasil dari penelitian ini mendapatkan kesimpulan bahwa masyarakat cenderung memiliki sentimen negatif terhadap Anies Baswedan. Hasil dari pengujian klasifikasi Support Vector Machine tanpa proses balancing data didapatkan nilai Accuracy sebesar 77%, Precission 76% dan Recall 72%, setelah proses balancing data didapatkan nilai Accuracy sebesar 97%, Precission 83% dan Recall 94%.

Item Type:	Thesis (Undergraduate)
Uncontrolled Keywords:	Analisis Sentimen
Subjects:	000 Computer Science, Information, & General Works > 004 Data Processing, Computer Science
Divisions:	Faculty of Engineering > Department of Informatics Engineering (S1)
Depositing User:	Bagas farasqa nauval akbar
Date Deposited:	25 Aug 2023 06:09
Last Modified:	25 Aug 2023 06:09
URI:	http://repository.unmuhjember.ac.id/id/eprint/19668

Actions (login required)

View Item