ANALISIS SENTIMEN BERBASIS ASPEK KINERJA KEPOLISIAN NEGARA REPUBLIK INDONESIA MENGGUNAKAN SUPPORT VECTOR MACHINE DENGAN PENDEKATAN POS TAGGING

Sanjaya, I Gede Ary Suta (2024) ANALISIS SENTIMEN BERBASIS ASPEK KINERJA KEPOLISIAN NEGARA REPUBLIK INDONESIA MENGGUNAKAN SUPPORT VECTOR MACHINE DENGAN PENDEKATAN POS TAGGING. Masters thesis, Universitas Pendidikan Ganesha.

[img] Text (COVER)
2129101044-COVER.pdf
Download (436kB)
[img] Text (ABSTRAK)
2129101044-ABSTRAK.pdf
Download (121kB)
[img] Text (BAB 1 PENDAHULUAN)
2129101044-BAB 1 PENDAHULUAN.pdf
Download (134kB)
[img] Text (BAB 2 KAJIAN TEORI)
2129101044-BAB 2 KAJIAN TEORI.pdf
Restricted to Repository staff only
Download (401kB) | Request a copy
[img] Text (BAB 3 METODELOGI PENELITIAN)
2129101044-BAB 3 METODELOGI PENELITIAN.pdf
Restricted to Repository staff only
Download (269kB) | Request a copy
[img] Text (BAB 4 HASIL DAN PEMBAHASAN)
2129101044-BAB 4 HASIL DAN PEMBAHASAN.pdf
Restricted to Repository staff only
Download (5MB) | Request a copy
[img] Text (BAB 5 PENUTUP)
2129101044-BAB 5 PENUTUP.pdf
Restricted to Repository staff only
Download (125kB) | Request a copy
[img] Text (DAFTAR PUSTAKA)
2129101044-DAFTAR PUSTAKA.pdf
Download (187kB)
[img] Text (LAMPIRAN)
2129101044-LAMPIRAN.pdf
Download (381kB)

Abstract

Kinerja POLRI seringkali menjadi sorotan masyarakat, terutama pada media sosial Twitter. Opini masyarakat terhadap POLRI pada sosial media Twitter menjadi hal yang penting untuk dianalisis, sehingga dapat menjadi acuan dalam peningkatan kinerja POLRI kedepannya. Analisis sentimen dilakukan untuk melihat opini atau kecenderungan opini masyarakat terhadap kinerja POLRI, yang diklasifikasikan menjadi aspek ‘penanganan kejahatan’, ‘kecepatan respon’, dan ‘interaksi kepada masyarakat’, dengan kelas sentimen ‘positif’, ‘negatif’, dan ‘netral’. Tujuan dari penelitian ini adalah untuk mengetahui hasil analisis sentimen data tweet berdasarkan aspek kinerja POLRI serta mengembangkan rancang bangun sistem analisis sentimen berbasis aspek kinerja POLRI. Proses POS Tagging dilakukan dalam pelabelan aspek kinerja POLRI menggunakan metode Conditional Random Field (CRF), melalui teknik Bio-Tags dengan melabelkan aspek kinerja pada tweet berdasarkan koleksi kata yang mencerminkan klasifikasi aspek kinerja. Pemodelan klasifikasi aspek kinerja dan klasifikasi sentimen berdasarkan aspek kinerja POLRI dibangun menggunakan algoritma machine learning yaitu support vector machine (SVM). Sebanyak 1103 data tweet dikumpulkan sebagai dataset awal, yang dibagi menjadi data training sebanyak 80% dan data testing sebanyak 20%. Hasil penelitian menunjukkan bahwa evaluasi dari model klasifikasi aspek kinerja POLRI memperoleh nilai akurasi 0,88 (88%), serta evaluasi model klasifikasi analisis sentimen menggunakan support vector machine memperoleh hasil akurasi sebesar 0,81 (81%), presisi sebesar 0,83 (83%), recall sebesar 0,81 (81%), dan F1-score sebesar 0,81 (81%). Model yang diperoleh diimplementasikan menjadi aplikasi analisis sentimen berbasis website menggunakan Python dengan menerapkan metode waterfall. Beberapa saran dapat dilakukan pada penelitian ini meliputi penggunaan metode machine learning yang berbeda, penambahan koleksi kata pada klasifikasi aspek kinerja POLRI, dan pengembangan desain interface dari aplikasi yang dibangun.

Item Type: Thesis (Masters)
Uncontrolled Keywords: Big Data, Kepolisian Negara Republik Indonesia, Machine Learning, POS Tagging, Support Vector Machine
Subjects: Q Science > QA Mathematics > QA75 Electronic computers. Computer science
Divisions: Pascasarjana > Program Studi Ilmu Komputer (S2)
Depositing User: I Gede Ary Suta Sanjaya
Date Deposited: 19 Jul 2024 01:48
Last Modified: 19 Jul 2024 01:48
URI: http://repo.undiksha.ac.id/id/eprint/20717

Actions (login required)

View Item View Item