Pangestu, Widianto Dwi (2024) ANALISIS SENTIMEN SISTEM E-TILANG PADA TWITTER MENGGUNAKAN METODE MULTINOMIAL NAÏVE BAYES. Undergraduate thesis, Universitas Muhammadiyah Jember..
![]() |
Text
pendahuluan.pdf Download (596kB) |
![]() |
Text
abstract.pdf Download (2MB) |
![]() |
Text
BAB 1.pdf Download (2MB) |
![]() |
Text
BAB 2.pdf Restricted to Repository staff only Download (2MB) | Request a copy |
![]() |
Text
BAB 3.pdf Restricted to Repository staff only Download (2MB) | Request a copy |
![]() |
Text
BAB 4.pdf Restricted to Repository staff only Download (2MB) | Request a copy |
![]() |
Text
BAB 5.pdf Restricted to Repository staff only Download (2MB) | Request a copy |
![]() |
Text
DAFTAR PUSTAKA.pdf Download (2MB) |
![]() |
Text
LAMPIRAN.pdf Restricted to Repository staff only Download (2MB) | Request a copy |
Abstract
E-tilang adalah digitalisasi proses tilang, teknologi ini diharapkan menjadikan seluruh proses tilang lebih efisien. Sistem e-tilang membantu pengendara menghindari banyaknya pelanggaran berlalu-lintas. E-tilang juga membantu penegak hukum tetap bersih dari pungutan liar, istilah damai, dan denda. Sistem etilang yang efisien dan efektif menimbulkan berbagai pendapat dari kalangan masyarakat. Perkembangan website 4.0 dan peningkatan penggunaan media sosial sendiri dapat dimanfaatkan untuk menjadi sumber informasi dan pengambilan keputusan ini dapat dicapai melalui text mining yang menggunakan komentar di media sosial atau website untuk melakukan analisis sentimen. Analisis sentimen dilakukan dengan penerapan metode Multinomial Naive Bayes. Multinomial Naive Bayes merupakan salah satu metode text mining pada proses pengklasifikasian teks dengan menggunakan nilai probabilitas suatu kelas dalam suatu dokumen. Penelitian ini menganalisis opini publik tentang sistem e-tilang berbasis data twitter menggunakan metode Multinomial Naïve Bayes dengan ekstraksi fitur TF-IDF. Yang bertujuan untuk mengetahui tingkat akurasi, presisi, dan recall menggunakan metode Multinomial Naïve Bayes dalam klasifikasi sentimen sistem e-tilang di twitter. Hasil pada penelitian ini menunjukkan nilai akurasi tertinggi diperoleh pada fold k=10 pada langkah uji 6 dengan hasil akurasi sebesar 91,11%, presisi 90,91%, dan recall 91%.
Item Type: | Thesis (Undergraduate) | |||||||||
---|---|---|---|---|---|---|---|---|---|---|
Uncontrolled Keywords: | E-Tilang, Twitter, Analisis Sentimen, Multinomial Naïve Bayes, TFIDF | |||||||||
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: | Widianto Dwi Pangestu | |||||||||
Contributors: |
|
|||||||||
Contact Email Address: | widiantopangestu28@gmail.com | |||||||||
Date Deposited: | 02 Aug 2024 06:45 | |||||||||
Last Modified: | 02 Aug 2024 06:45 | |||||||||
URI: | http://repository.unmuhjember.ac.id/id/eprint/22974 |
Actions (login required)
![]() |
View Item |