ANALISlS SENTIMEN TERHADAP ANIES BASWEDAN MENGGUNAKAN METODE SUPPORT VECTOR MACHINE STUDI KASUS MEDIA SOSIAL TWITTER
Berkas Tugas Akhir
BAB II.pdf
Restricted to Registered users only
BAB III.pdf
Restricted to Registered users only
BAB IV.pdf
Restricted to Registered users only
BAB V.pdf
Restricted to Registered users only
LAMPIRAN 1.pdf
Restricted to Registered users only
LAMPIRAN 2.pdf
Restricted to Registered users only
LAMPIRAN 3.pdf
Restricted to Registered users only
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%.
Informasi Item
| Item Type | Thesis (Undergraduate) |
|---|---|
| Keywords/Kata Kunci | Analisis Sentimen |
| Subjects | 000 Computer Science, Information, & General Works > 004 Data Processing, Computer Science |
| Divisions | Faculty of Engineering > Department of Informatics Engineering (S1) |
| Date Deposited | 25 Aug 2023 06:09 |
| Last Modified | 25 Aug 2023 06:09 |
| URI | https://repository.unmuhjember.ac.id/id/eprint/19668 |
