ANALISIS SENTIMEN TERKAIT HASHTAG KENAIKAN BBM PADA SOSIAL MEDIA TWITTER MENGGUNAKAN METODE NAIVE BAYES CLASSIFIER

Hanes Armairan, Zaneta (2023) ANALISIS SENTIMEN TERKAIT HASHTAG KENAIKAN BBM PADA SOSIAL MEDIA TWITTER MENGGUNAKAN METODE NAIVE BAYES CLASSIFIER. Skripsi thesis, UNAMA.

	Text BAB I.pdf Download (335kB)
	Text BAB II.pdf Restricted to Registered users only Download (665kB)
	Text BAB III.pdf Restricted to Registered users only Download (486kB)
	Text BAB IV.pdf Restricted to Registered users only Download (750kB)
	Text BAB V.pdf Download (195kB)
	Text DAFTAR PUSTAKA.pdf Download (146kB)

Abstract

Twitter merupakan sebuah perangkat lunak media sosial yang dikembangkan untuk semua orang. Dimana pada perangkat lunak ini, seseorang bisa membuat suatu kiriman, baik berupa foto atau video, mencari berita terhangat yang sedang dibicarakan saat ini, mencari kiriman atau tweet orang lain dengan menggunakan tanda pagar (hashtag) dan lain-lain. Banyak pengguna Twitter memposting pendapat mereka terhadap kebijakan pemerintah atau sebagai media promosi. Untuk dapat menggali informasi dan melakukan klasifikasi sebuah teks, diperlukan analisis sentimen. Dalam penelitian ini analisis sentimen merupakan proses klasifikasi dokumen tekstual ke dalam dua kelas, yaitu kelas sentimen positif dan negatif. Pengguna Twitter sering menggunakan singkatan kata dan bahasa yang tidak baku, dimana dapat menyulitkan fitur yang diambil serta mengurangi ketepatan saat klasifikasi. Dalam penelitian ini, penulis melakukan proses text processing untuk seleksi fitur serta menggunakan algoritma Naive Bayes Classifier untuk mengklasifikasi sentimen secara otomatis. Penulis menggunakan 1000 data tweet tentang opini masyarakat terkait hashtag kenaikan BBM. Data tersebut diseleksi yang kemudian diklasifikasi secara manual dan dibagi ke dalam masing-masing 241 data training dan kemudian 103 data yang digunakan untuk testing. Hasil klasifikasi pada data testing menunjukkan bahwa algoritma Naive Bayes Classifier memberikan nilai akurasi sebesar 59,22% dan nilai presisi sebesar 45,45% dalam mengklasifikasi sentimen.

Actions (login required)

View Item