PERBANDINGAN ANALISIS SENTIMEN JUDUL BERITA PARIWISATA BALI MENGGUNAKAN SVM (SUPPORT VECTOR MACHINE)

Darmayasa, I Putu Soma (2023) PERBANDINGAN ANALISIS SENTIMEN JUDUL BERITA PARIWISATA BALI MENGGUNAKAN SVM (SUPPORT VECTOR MACHINE). Undergraduate thesis, Universitas Pendidikan Ganesha.

[img] Text (COVER)
1915101017-COVER.pdf
Download (865kB)
[img] Text (ABSTRAK)
1915101017-ABSTRAK.pdf
Download (33kB)
[img] Text (BAB 1 PENDAHULUAN)
1915101017-BAB 1 PENDAHULUAN.pdf
Download (105kB)
[img] Text (BAB 2 KAJIAN TEORI)
1915101017-BAB 2 KAJIAN TEORI.pdf
Restricted to Repository staff only
Download (1MB) | Request a copy
[img] Text (BAB 3 METODELOGI PENELITIAN)
1915101017-BAB 3 METODELOGI PENELITIAN.pdf
Restricted to Repository staff only
Download (636kB) | Request a copy
[img] Text (BAB 4 HASIL DAN PEMBAHASAN)
1915101017-BAB 4 HASIL DAN PEMBAHASAN.pdf
Restricted to Repository staff only
Download (1MB) | Request a copy
[img] Text (BAB 5 PENUTP)
1915101017-BAB 5 PENUTUP.pdf
Restricted to Repository staff only
Download (35kB) | Request a copy
[img] Text (DAFTAR PUSTAKA)
1915101017-DAFTAR PUSTAKA.pdf
Download (178kB)
[img] Text (LAMPIRAN)
1915101017-LAMPIRAN.pdf
Download (111kB)

Abstract

Penelitian ini memberikan kontribusi dalam pemahaman lebih baik tren-tren dan isu-isu yang sedang terjadi dalam industri pariwisata Bali melalui analisis sentimen judul berita. Judul berita tentang pariwisata Bali yang dipublikasikan oleh portal media online memiliki makna atau kesan positif, netral. Tujuan dari penelitian ini adalah mengembangkan sebuah model machine learning dengan membandingkan seleksi fitur yang dapat mengklasifikasi judul berita pariwisata bali serta menganalisis berdasarkan sentimen yang terkandung didalamnya. Metode seleksi fitur yang digunakan adalah Chi-Square dan Information Gain serta model machine learning yang digunakan adalah SVM. Data judul berita yang digunakan diambil dari portal media online seperti Detik.com, Kompas.com, dan Balipost.com yang dilabeli secara manual sesuai dengan sentiment yang terdapat pada judul berita. Pembagian dataset dalam penelitian ini adalah 90:10. 90% untuk data training (training proses) dengan menggunakan K-Fold Cross Validation dan 10% untuk data testing atau pengujian. Hasil dari penelitian menunjukkan bahwa model SVM dengan seleksi fitur Chi-Square menghasilkan akurasi sebesar 88,88% model dan SVM dengan seleksi Information Gain menghasilkan akurasi sebesar 86,65% untuk testing data atau pengujian.

Item Type: Thesis (Undergraduate)
Uncontrolled Keywords: analisis sentimen, chi-square, judul berita, klasifikasi, latent dirchlect allocation, information gain, support-vector machine,
Subjects: Q Science > QA Mathematics > QA75 Electronic computers. Computer science
T Technology > T Technology (General)
Divisions: Fakultas Teknik dan Kejuruan > Jurusan Teknik Informatika > Program Studi Ilmu Komputer (S1)
Depositing User: I Putu Soma Darmayasa
Date Deposited: 20 Oct 2023 21:29
Last Modified: 20 Oct 2023 21:29
URI: http://repo.undiksha.ac.id/id/eprint/17736

Actions (login required)

View Item View Item