PENERAPAN ALGORITMA NAÏVE BAYES DALAM ANALISIS SENTIMEN TWITTER (STUDI KASUS: PENGGUNAAN VAKSIN PFIZER, MODERNA, ASTRAZENECA DAN SINOVAC)

Dedy, Hermawan (2022) PENERAPAN ALGORITMA NAÏVE BAYES DALAM ANALISIS SENTIMEN TWITTER (STUDI KASUS: PENGGUNAAN VAKSIN PFIZER, MODERNA, ASTRAZENECA DAN SINOVAC). Sarjana thesis, Sekolah Tinggi Informatika dan Komputer Indonesia.

	Text ABSTRAK.docx Download (80kB)
	Text BAB I.docx Download (209kB)
	Text BAB II.docx Download (108kB)
	Text BAB III.docx Download (1MB)
	Text BAB IV.docx Restricted to Repository staff only Download (3MB)
	Text BAB V.docx Download (79kB)

Abstract

Penelitian ini bertujuan untuk menganalisis persepsi masyarakat terhadap penggunaan vaksin Sinovac, Vaksin Astrazeneca, Vaksin Pfizer dan Vaksin Moderna di Indonesia. Penerapan algoritma Naïve Bayes Multinomial Text ini akan mengklasifikasikan cuitan tweet mana yang mengandung sentimen positif dan negatif. Teknik pengumpulan data yang dilakukan pada penelitian ini yaitu menggunakan Twitter API (Application Programming Interface). Analisis data dilakukan melalui proses pengelompokan data dan memberikan label. Kemudian dilakukan proses preprocesing mulai dari Cases folding, Tokenizing, Filter token (by length), Stopword Removal dan Stemming. Algoritma Naïve Bayes Multinomial Text dipilih karena mampu mengklasifikasikan dokumen dengan memperhitungkan jumlah kemunculan kata. Dari hasil kompilasi dan data yang diolah, tingkat akurasi yang dihasilkan menggunakan metode Naïve Bayes Multinomial Text untuk kategori vaksin Sinovac dengan jumlah dataset 500 tweet diperoleh sebesar 95%, vaksin Astrazeneca dengan jumlah dataset 150 tweet diperoleh sebesar 98.01%, vaksin Pfizer dengan jumlah dataset 140 tweet diperoleh sebesar 95.75% dan tingkat akurasi untuk vaksin Moderna dengan jumlah dataset 120 tweet sebesar 96.88%.

Item Type:	Thesis (Sarjana)
Subjects:	Theory of computation > Theory and algorithms for application domains
Divisions:	Engineering Sciences
Depositing User:	Unnamed user with username editor_perpustakaan
Date Deposited:	16 Aug 2023 08:16
Last Modified:	16 Aug 2023 08:18
URI:	http://repository.stiki.ac.id/id/eprint/1872

Actions (login required)

View Item