IMPLEMENTASI METODE SUPPORT VECTOR MACHINE (SVM) UNTUK ANALISIS SENTIMEN TERHADAP ISU PAGAR LAUT DI TANGGERANG

Lubis, Muhammad Iqbal Rafian (2025) IMPLEMENTASI METODE SUPPORT VECTOR MACHINE (SVM) UNTUK ANALISIS SENTIMEN TERHADAP ISU PAGAR LAUT DI TANGGERANG. Undergraduate thesis, Universitas Muhammadiyah Jember.

	Text Cover.pdf Download (1MB)
	Text Abstrak.pdf Download (60kB)
	Text Bab 1.pdf Download (65kB)
	Text Bab 2.pdf Restricted to Repository staff only Download (312kB) | Request a copy
	Text Bab 3.pdf Restricted to Repository staff only Download (342kB) | Request a copy
	Text Bab 4.pdf Restricted to Repository staff only Download (679kB) | Request a copy
	Text Bab 5.pdf Restricted to Repository staff only Download (53kB) | Request a copy
	Text Daftar Pustaka.pdf Download (125kB)
	Text Lampiran.pdf Restricted to Repository staff only Download (351kB) | Request a copy

Abstract

Perkembangan teknologi informasi telah mendorong perubahan dalam cara masyarakat menyampaikan opini, terutama melalui media sosial. Salah satu isu yang menjadi perhatian adalah kebijakan pembangunan pagar laut di Tangerang dari situs x.com yang cukup ramai diperbincangkan oleh banyak orang di media sosial, sehingga memunculkan berbagai respons publik. Analisis sentimen terhadap isu ini menjadi penting untuk memahami persepsi masyarakat dan mendukung proses pengambilan kebijakan. Penelitian ini menerapkan metode Support Vector Machine (SVM) untuk menganalisis sentimen masyarakat berdasarkan data dari media sosial. Data penelitian terdiri dari 417 data berbahasa Indonesia dari situs x.com, yang diproses melalui teknik preprocessing teks seperti case folding, punctuation removal, stopwords removal, dan stemming. Selanjutnya, bobot teks dihitung menggunakan metode Term Frequency-Inverse Document Frequency (TF-IDF), dan kemiripan antar teks dianalisis menggunakan cosine similarity. Evaluasi dilakukan menggunakan Confusion Matrix, menghasilkan metric, akurasi, presisi, dan recall untuk mengukur kinerja model. Hasil penelitian menunjukkan bahwa metode SVM bekerja dengan baik dalam klasifikasi sentimen, dengan akurasi terbaik sebesar 69% pada rasio data latih dan uji 70:30. Pada rasio ini, precision, recall, dan F1-score untuk kategori sentimen negatif dan positif menunjukkan keseimbangan yang lebih baik dibandingkan dengan rasio lainnya. Temuan ini mengindikasikan bahwa SVM merupakan metode yang efektif dalam analisis sentimen untuk memahami opini publik terhadap kebijakan tertentu.

Contribution

Nama Dosen Pembimbing

NIDN/NIDK

Dosen Pembimbing

Umilasari, Reni

nidn0728079101

Dosen Pembimbing

Rahman, Miftahur

nidn0724039201

Item Type:	Thesis (Undergraduate)
Keywords/Kata Kunci:	Support Vector Machine (SVM), Analisis Sentimen, Text Mining, TF-IDF, Pagar Laut Tangerang, Confusion Matrix, Preprocessing Teks, Twitter.
Subjects:	000 Computer Science, Information, & General Works
Divisions:	Faculty of Engineering > Department of Informatics Engineering (S1)
Depositing User:	Muhammad Iqbal Rafian Lubis | iqbaallubisss@gmail.com
Date Deposited:	22 Feb 2025 01:53
Last Modified:	22 Feb 2025 01:53
URI:	http://repository.unmuhjember.ac.id/id/eprint/24281

Actions (login required)

View Item