Mapping Respon Publik Terhadap Kebijakan Gubernur DKI Jakarta Dalam Penanganan COVID-19 Dengan Teknik Analysis Sentiment Menggunakan Support Vector Machine

Maulida, Riska Nur (2021) Mapping Respon Publik Terhadap Kebijakan Gubernur DKI Jakarta Dalam Penanganan COVID-19 Dengan Teknik Analysis Sentiment Menggunakan Support Vector Machine. Undergraduate thesis, UNIVERSITAS MUHAMMADIYAH JEMBER.

	Text PENDAHULUAN.pdf Download (570kB)
	Text ABSTRAK.pdf Download (95kB)
	Text BAB I.pdf Download (173kB)
	Text BAB II.pdf Restricted to Repository staff only Download (396kB) | Request a copy
	Text BAB III.pdf Restricted to Repository staff only Download (428kB) | Request a copy
	Text BAB IV.pdf Restricted to Repository staff only Download (361kB) | Request a copy
	Text BAB V.pdf Restricted to Repository staff only Download (90kB) | Request a copy
	Text DAFTAR PUSTAKA.pdf Download (166kB)
	Text LAMPIRAN.pdf Restricted to Repository staff only Download (470kB) | Request a copy

Abstract

Sejak wabah virus corona atau biasa disebut COVID-19 merebak ke seluruh dunia terumata di Indonesia, Gubernur DKI Jakarta mengeluarkan beberapa kebijakan menangani penyebaran COVID-19. Namun kebijakan tersebut menjadi perbincangan di media sosial seperti Youtube. Melalui interaksi penonton pada kolom komentar banyak yang memberikan komentar bersentimen positif maupun negatif maka dilakukan klasifikasi respon penonton dengan teknik sentiment analysis komentar untuk mengetahui sentimen mana yang termasuk positif, negatif dan netral dari setiap komentar. Pada penelitian ini data diambil dari komentar video berita. Metode yang digunakan adalah Support Vector Machine dan fitur seleksi Term Frequency-Inverse Document Frequency (TF-IDF). Data yang digunakan berjumlah 945 data komentar berbahasa Indonesia dengan perbandingan 80% data training dan 20% data testing. Hasil akurasi terbaik diperoleh dengan menggunakan tambahan stoplist pada tahap preprocessing setelah dilakukan optimasi parameter kernel RBF nilai akurasi sebesar 64%, nilai precision 63%, nilai recall 58,33%, dan nilai F1 Score 58.33%. Kata Kunci: Youtube, Sentiment Analysis, TF-IDF, Support Vector Machine

Item Type:	Thesis (Undergraduate)
Uncontrolled Keywords:	Youtube, Sentiment Analysis, TF-IDF, Support Vector Machine
Subjects:	000 Computer Science, Information, & General Works
Divisions:	Faculty of Engineering > Department of Informatics Engineering (S1)
Depositing User:	MAULIDA RISKA NUR
Date Deposited:	16 Apr 2021 01:07
Last Modified:	18 Nov 2021 05:55
URI:	http://repository.unmuhjember.ac.id/id/eprint/9470

Actions (login required)

View Item