ANALISIS SENTIMEN TERHADAP ISU (KORUPSI) PADA TWITTER MENGGUNAKAN METODE K-NEAREST NEIGHBOR (KNN)

Renatun, Oktavia Indah (2024) ANALISIS SENTIMEN TERHADAP ISU (KORUPSI) PADA TWITTER MENGGUNAKAN METODE K-NEAREST NEIGHBOR (KNN). Undergraduate thesis, Universitas Muhammadiyah Jember.

	Text 1.Pendahuluan.pdf Download (1MB)
	Text 2.Abstrak.pdf Download (332kB)
	Text 3.Bab 1.pdf Download (358kB)
	Text 4.Bab 2.pdf Restricted to Repository staff only Download (637kB) | Request a copy
	Text 5. Bab 3.pdf Restricted to Repository staff only Download (404kB) | Request a copy
	Text 6. Bab 4.pdf Restricted to Repository staff only Download (731kB) | Request a copy
	Text 7. Bab 5.pdf Restricted to Repository staff only Download (200kB) | Request a copy
	Text 8. Daftar Pustaka.pdf Download (289kB)
	Text 9. Lampiran .pdf Restricted to Repository staff only Download (192kB) | Request a copy

Abstract

Bidang teknologi semakin maju dan semakin canggih masyarakat dapat terhubung dan berinteraksi satu sama lain menggunakan Internet tanpa batasan waktu. Komunikasi khususnya di Indonesia nampaknya semakin mudah dengan berkembangnya teknologi, jejaring sosial merupakan alternatif untuk mengumpulkan dan menyebarkan informasi dengan cepat, salah satu media sosial yang saat ini digunakan adalah Twitter. Oleh karena itu diperlukan analisis sentimen untuk menganalisis reaksi masyarakat Indonesia terhadap Cyberbullying. Analisis sentimen ini menggunakan algoritma K-Nearest Neighbor atau KNN. Berdasarkan hasil yang dilakukan, nampaknya algoritma KNN memperoleh hasil akurasi terbaik sebesar 73.2% dan presisi sebesar 55.8%, pada fold 5 skenario dan nilai K pada K=7. Untuk setiap kata kunci “korupsi rafael alun” dari data di Twitter.

Contribution

Nama Dosen Pembimbing

NIDN/NIDK

Dosen Pembimbing

Sulistyo, Henny Wahyu

nidn0718088309

Dosen Pembimbing

Al Faruq, Habibatul Azizah

nidn0718128901

Item Type:	Thesis (Undergraduate)
Keywords/Kata Kunci:	Analisis Sentimen
Subjects:	300 Social Science > 302 Social Interaction, Interpersonal Relations
Divisions:	Faculty of Engineering > Department of Informatics Engineering (S1)
Depositing User:	Oktavia Indah Renatun | oktaviaindahr502@gmail.com
Date Deposited:	30 Jul 2024 01:19
Last Modified:	30 Jul 2024 01:19
URI:	http://repository.unmuhjember.ac.id/id/eprint/22696

Actions (login required)

View Item