Skripsi
Animasi Sentimen Opini Masyarakat pada Sosial Media dengan Menggunakan Metode Algoritma Naïve Bayes
bibliografi: hal. 72
RINGKASAN
Pemilihan Gubernur merupakan pemilihan kepala daerah untuk kelangsungan masa depan daerah dan negara. Pemilihan Gubernur Jawa Tengah tahun 2018 dilaksanakan serempak pada tanggal 27 Juni 2018 yang diikuti 2 pasangan calon. Banyak respon dari masyarakat melalui media sosial twitter sehingga menimbulkan opini dari masyarakat. Sentimen analisis terhadap 2 objek riset calon Gubernur Jawa Tengah 2018 dengan jumlah data 300 tweet, dengan masing-masing calon 150 tweet. Tweet yang digunakan terbagi menjadi 3 kelas yaitu kelas positif, kelas netral dan kelas negatif. Dalam penelitian ini proses klasifikasi menggunakan metode Naïve Bayes Classifier (NBC), sedangkan untuk preprocessing data menggunakan Cleansing, Punctuation Removal, Stopword Removal, dan Tokenisasi, untuk menentukan kelas sentiment dengan metode Lexicon Bassed menghasilkan akurasi tertinggi pada dataset Ganjar Pranowo dengan nilai akurasi 87.9545%, nilai Precission 0.891%, nilai Recall 0.88% dan F-Measure 0.851% sedangkan dataset Sudirman Said memiliki tingkat akurasi 84.322%, nilai Precission 0.867%, nilai Recall 0.843% dan F-Measure 0.815%. Dari hasil tersebut disimpulkan bahwa dataset Ganjar Pranowo lebih tinggi di bandingkan dengan dataset Sudirman Said.
Kata Kunci :Sentimen analisis, Twitter, Naïve Bayes Classifier.
ABSTRACT
The election of Governor is an election event for the Regional Head for the future of the region and the country. The Central Java Governor election in 2018 was held jointly on 27 June 2018 which was followed by 2 candidate pairs of governor. Its many responses from people through twitter's social media so as to bring up opinions from the public.Sentiment analysis of 2 research objects of Central Java Governor 2018 candidates with a total of 400 tweets with each candidates being 200 tweets.The used of tweets are divided into 3 classes: positive class, neutral class and negative class. In this study the classification process used the Naïve Bayes Classifier (NBC) method, while for data preprocessing is using Cleansing, Punctuation Removal, Stopword Removal, and Tokenisation, to determine the sentiment class with the Lexicon Bassed method produces the highest accuracy in the GanjarPranowo dataset with an accuracy of 87,9545% , Precission value is 0.891%, Recall value is 0.88% and F-Measure is 0.851% while Sudirman Said dataset has an accuracy rate of 84.322%, Precission value of 0.867%, Recall value of 0.843% and F-Measure of 0.815%. From these results we can concluded that the GanjarPranowo dataset was higher compared to Sudirman Said's dataset.
Keywords: Analysis sentiment, Twitter, Naïve Bayes Classifier.
SI1320 | SI 1320 RAC a | UPT. PERPUSTAKAAN (Rak 2) | Tersedia - No Loan |
Tidak tersedia versi lain