ANALISIS SENTIMEN PENGGUNA TWITTER TERHADAP COVID-19 DI INDONESIA MENGGUNAKAN METODE NAÏVE BAYES CLASSIFIER (NBC)

Olhang, Maria Mega Mala (2020) ANALISIS SENTIMEN PENGGUNA TWITTER TERHADAP COVID-19 DI INDONESIA MENGGUNAKAN METODE NAÏVE BAYES CLASSIFIER (NBC). Skripsi thesis, Institut Teknologi Nasional.

[img] Text
1618134_AWAL - Maria Mega Mala Olhang.pdf
Available under License Creative Commons Attribution Non-commercial Share Alike.

Download (686kB)
[img] Text
1618134_BAB I - Maria Mega Mala Olhang.pdf
Available under License Creative Commons Attribution Non-commercial Share Alike.

Download (83kB)
[img] Text
1618134_BAB II - Maria Mega Mala Olhang.pdf
Restricted to Registered users only
Available under License Creative Commons Attribution Non-commercial Share Alike.

Download (142kB) | Request a copy
[img] Text
1618134_BAB III - Maria Mega Mala Olhang.pdf
Restricted to Registered users only
Available under License Creative Commons Attribution Non-commercial Share Alike.

Download (478kB) | Request a copy
[img] Text
1618134_BAB IV - Maria Mega Mala Olhang.pdf
Restricted to Registered users only
Available under License Creative Commons Attribution Non-commercial Share Alike.

Download (608kB) | Request a copy
[img] Text
1618134_BAB V - Maria Mega Mala Olhang(1).pdf
Restricted to Registered users only
Available under License Creative Commons Attribution Non-commercial Share Alike.

Download (116kB) | Request a copy
[img] Text
1618134_DAFTAR PUSTAKA - Maria Mega Mala Olhang.pdf
Available under License Creative Commons Attribution Non-commercial Share Alike.

Download (149kB)
[img] Text
1618134_LAMPIRAN - Maria Mega Mala Olhang.pdf
Restricted to Registered users only
Available under License Creative Commons Attribution Non-commercial Share Alike.

Download (1MB) | Request a copy

Abstract

ANALISIS SENTIMEN PENGGUNA TWITTER TERHADAP COVID-19 DI INDONESIA MENGGUNAKAN METODE NAÏVE BAYES CLASSIFIER (NBC) Maria Mega Mala Olhang Program Studi Teknik Informatika S-1 Institut Teknologi Nasional Malang Email : megaolhang98@gmail.com Dosen Pembimbing : 1. Dr. Ir. Sentot Achmadi, M.Si 2. F. X Ariwibisono, ST, M.Kom ABSTRAK Media sosial khususnya Twitter pada saat ini banyak membahas mengenai penyebaran virus corona atau lebih dikenal dengan COVID-19. Diawali dengan ditemukan kasus pertama di Wuhan, China, pemberitaan mengenai virus corona terus berlanjut hingga penyebarannya sampai ke Indonesia. Pemberitaan melalui artikel di Twitter mengenai dampak dari adanya COVID-19 ini antra lain persediaan bahan pokok yang mulai meningkat harganya termasuk harga masker dan hand sanitizer juga penyampaian setuju dan tidak setujunya masyarakat terhadap kebijakan pemerintah yang dianggap kurang tanggap dalam menangani kasus ini sangat banyak diminati dan dikritik oleh masyarakat. Pada penelitian ini, dilakukan proses menganalisis sentimen masyarakat terhadap aspirasi yang disampaikan melalui Twitter yaitu mengembangkan sistem dengan mengacu pada berbagai sistem yang sudah ada sebelumnya dengan menggunakan metode Naïve Bayes Classifier untuk mengklasifikasikan sentimen. Masukan pada sistem ini berupa tweet yang diperoleh dari Twitter menggunakan keyword seperti #coronavirusindonesia atau #covid-19 dengan jumlah data tidak melebihi 500 data tweet. Sedangkan outputnya berupa pengelompokkan sentimen positif dan negatif dari setiap tweet yang sudah melewati tahap pre proceessing. Dari hasil pengujian, dokumen dengan jumlah sebanyak 75 tweet diperoleh hasil pengukuran akurasi recall 32%, precission 80%, F-Measure 45% serta rata-rata akurasi 36%. Kata Kunci : Klasifikasi Sentimen, Crawling Tweet, Naïve Bayes Classifier

Item Type: Thesis (Skripsi)
Additional Information: MARIA MEGA MALA OLHANG 16.18.134
Uncontrolled Keywords: : Klasifikasi Sentimen, Crawling Tweet, Naïve Bayes Classifier
Subjects: Engineering > Informatics Engineering
Divisions: Fakultas Teknologi Industri > Teknik Informatika S1 > Teknik Informatika S1(Skripsi)
Depositing User: Ms Nunuk Yuli
Date Deposited: 09 Sep 2020 03:18
Last Modified: 09 Sep 2020 03:18
URI: http://eprints.itn.ac.id/id/eprint/5044

Actions (login required)

View Item View Item