Mudiarta, I Made Dwi Raka (2022) Analisis Sentimen Pada Dokumen Twitter Mengenai Vaksin Covid-19 dengan Damerau Levenshtein Distance dan Support Vector Machine. Masters thesis, Universitas Pendidikan Ganesha.
![[img]](http://repo.undiksha.ac.id/style/images/fileicons/text.png) |
Text (COVER)
1829101006-COVER.pdf Download (429kB) |
|
Text (ABSTRAK)
1829101006-ABSTRAK.pdf Download (55kB) |
|
Text (BAB 1 PENDAHULUAN)
1829101006-BAB 1 PENDAHULUAN.pdf Download (132kB) |
|
Text (BAB 2 KAJIAN TEORI)
1829101006-BAB 2 KAJIAN PUSTAKA.pdf Restricted to Repository staff only Download (226kB) | Request a copy |
|
Text (BAB 3 METODELOGI PENELITIAN)
1829101006-BAB 3 METODELOGI PENELITIAN.pdf Restricted to Repository staff only Download (256kB) | Request a copy |
|
Text (BAB 4 HASIL DAN PEMBAHASAN)
1829101006-BAB 4 HASIL DAN PEMBAHASAN.pdf Restricted to Repository staff only Download (605kB) | Request a copy |
|
Text (BAB 5 PENUTUP)
1829101006-BAB 5 PENUTUP.pdf Restricted to Repository staff only Download (57kB) | Request a copy |
|
Text (DAFTAR PUSTAKA)
1829101006-DAFTAR PUSTAKA.pdf Download (185kB) |
|
Text (LAMPIRAN)
1829101006-LAMPIRAN.pdf Download (928kB) |
Abstract
Salah satu media sosial yang paling banyak digunakan di Indonesia adalah Twitter, dimana Indonesia termasuk 5 besar pengguna terbesar di dunia. Pada twitter user dapat dengan bebas memberikan pendapat mengenai suatu topik yang sedang tren di masyarakat. Opini masyarakat terkait vaksin Covid-19 banyak dikemukakan pada layanan media sosial yang digunakan masyakarat, salah satunya pada Twitter. Oleh sebab itu, penting bagi pemerintah untuk mengetahui bagaimana sentimen masyarakat terkait kebijakan vaksin Covid-19 ini. Sentimen masyarakat terhadap kebijakan vaksin berdasarkan opini yang disampaikan dapat diketahui dengan menggunakan metode text mining. Penelitian ini dipecah menjadi beberapa tahapan yaitu 1) preprocessing data, 2) ekstraksi fitur, 3) klasifikasi data dan 4) pengujian hasil. Pada tahap preprocessing perbaikan ejaan, penulis menggunakan algoritma Damerau Levenshtein Distance. Ekstraksi fitur dilakukan dengan menggunakan TF dan TF-IDF. Hasil pengujian menggunakan confusion matrix pada SVM dengan menggunakan algoritma Damerau Levenshtein Distance pada tahap text preprocessing mendapatkan nilai accuracy 85,07%, recall positif 87,84%, recall negatif 82,27%, precision positif 83,33%, dan precision negatif 87,02%. Untuk hasil pengujian SVM tanpa menggunakan algoritma Damerau Levenshtein Distance pada tahap text preprocessing diperoleh nilai accuracy sebesar 82,58%, recall positif 83,33%, recall negatif 81,82%, precision positif 82,22%, dan nilai precision negatif sebesar 82,95%. Peningkatan hasil klasifikasi diperoleh setelah mengimplementasikan algoritma Damerau Levenshtein Distance untuk nilai komponen pengujian accuracy mengalami peningkatan sebesar 2,49%, nilai recall positif 4,50%, nilai recall negatif 0,45%, nilai precision positif 1,11% dan precision negatif 4,07%. Perbaikan kata dapat meningkatkan akurasi namun menyebabkan waktu proses yang lama karena harus membandingkan kata yang akan diperbaiki dengan kata dalam kamus satu persatu. Pada penelitian ini baru menggunakan kelas positif dan negatif, selanjutnya dapat dikembangkan dengan penambahan kelas netral serta diuji akurasinya dengan jumlah kelas yang baru dan dapat dikembangan dengan menambahkan sumber data dari media sosial lain.
| Item Type: | Thesis (Masters) |
|---|---|
| Uncontrolled Keywords: | sentimen, analisis, twitter, support vector machine, damerau levenshtein distance |
| Subjects: | Q Science > QA Mathematics > QA76 Computer software |
| Divisions: | Pascasarjana > Program Studi Ilmu Komputer (S2) |
| Depositing User: | I Made Dwi Raka Mudiarta |
| Date Deposited: | 18 Jul 2022 07:30 |
| Last Modified: | 18 Jul 2022 07:30 |
| URI: | http://repo.undiksha.ac.id/id/eprint/11299 |
Actions (login required)
 |
View Item |