Dewi, Ni Luh Putu Risma (2023) PEMBANGUNAN CLASSIFIER UNTUK KLASIFIKASI JUDUL BERITA BERDASARKAN SENTIMEN. Undergraduate thesis, Universitas Pendidikan Ganesha.
Text (COVER)
1915101008-COVER.pdf Download (1MB) |
|
Text (ABSTRAK)
1915101008-ABSTRAK.pdf Download (27kB) |
|
Text (BAB 1 PENDAHULUAN)
1915101008- BAB1- PENDAHULUAN.pdf Download (105kB) |
|
Text (BAB 2 KAJIAN TEORI)
1915101008-BAB 2- KAJIAN TEORI.pdf Restricted to Repository staff only Download (543kB) | Request a copy |
|
Text (BAB 3 METODELOGI PENELITIAN)
1915101008-BAB 3 - METODOLOGI PENELITIAN.pdf Restricted to Repository staff only Download (346kB) | Request a copy |
|
Text (BAB 4 HASIL DAN PEMBAHASAN)
1915101008-BAB 4 - HASIL DAN PEMBAHASAN.pdf Restricted to Repository staff only Download (930kB) | Request a copy |
|
Text (BAB 5 PENUTUP)
1915101008- BAB 5 - PENUTUP.pdf Restricted to Repository staff only Download (26kB) | Request a copy |
|
Text (DAFTAR PUSTAKA)
1915101008- DAFTAR PUSTAKA.pdf Download (165kB) |
|
Text (LAMPIRAN)
1915101008- LAMPIRAN.pdf Download (84kB) |
Abstract
Perkembangan teknologi dan platform digital telah memberikan dampak yang signifikan pada industri pariwisata, termasuk dalam penyebaran berita pariwisata. Artikel-artikel berita yang banyak dipublikasikan oleh portal media online dapat memiliki dampak positif atau negatif yang besar bagi masyarakat pembaca. Oleh karena itu, penelitian ini bertujuan untuk mengembangkan sebuah classifier yang dapat melakukan klasifikasi terhadap judul berita pariwisata berdasarkan sentimen. Tujuan utamanya adalah menganalisis dan mengklasifikasikan sentimen atau sikap emosional yang terkandung dalam judul berita. Metode machine learning yang digunakan adalah Support Vector Machine (SVM). Data penelitian dikumpulkan dari portal berita detik.com dan dilabeli secara manual sesuai dengan sentimen yang terkandung di dalamnya. Proses preprocessing teks dilakukan untuk mempersiapkan data judul berita pariwisata Indonesia agar dapat diekstraksi fiturnya menggunakan pendekatan Binary Term Presence dan Term Frequency. Proporsi pembagian dataset dalam penelitian ini adalah 90% untuk pelatihan (training process) dan 10% untuk pengujian. K-Fold Cross Validation digunakan untuk membagi data dalam proses pelatihan. Hasil penelitian menunjukkan bahwa pendekatan Binary Term Presence mencapai akurasi 87,80% dan pendekatan Term Frequency mencapai akurasi 85,95% dengan menggunakan kernel RBF. Penelitian ini memberikan kontribusi dalam pemahaman informasi yang mendukung tentang respon publik terhadap topik atau isu pariwisata yang di publikasian oleh media.
Item Type: | Thesis (Undergraduate) |
---|---|
Uncontrolled Keywords: | Pariwisata, Sentimen, Klasifikasi, SVM, Detik.com |
Subjects: | T Technology > T Technology (General) |
Divisions: | Fakultas Teknik dan Kejuruan > Jurusan Teknik Informatika > Program Studi Ilmu Komputer (S1) |
Depositing User: | Ni Luh Putu Risma Dewi |
Date Deposited: | 18 Jul 2023 01:20 |
Last Modified: | 18 Jul 2023 01:20 |
URI: | http://repo.undiksha.ac.id/id/eprint/16244 |
Actions (login required)
View Item |