Adi, I Gede Krishna (2025) ANALISIS SENTIMEN PENGGUNA TWITTER PADA PEMBUKAAN KEMBALI TIKTOK SHOP DI INDONESIA: IMPLEMENTASI SVM DENGAN ADASYN. Undergraduate thesis, Universitas Pendidikan Ganesha.
![[img]](http://repo.undiksha.ac.id/style/images/fileicons/text.png) |
Text (COVER)
2015101015-COVER.pdf Download (733kB) |
|
Text (ABSTRAK)
2015101015-ABSTRAK.pdf Download (205kB) |
|
Text (BAB 1 PENDAHULUAN)
2015101015-BAB 1 PENDAHULUAN.pdf Download (264kB) |
|
Text (BAB 2 KAJIAN TEORI)
2015101015-BAB 2 KAJIAN TEORI.pdf Restricted to Repository staff only Download (398kB) | Request a copy |
|
Text (BAB 3 METODELOGI PENELITIAN)
2015101015-BAB 3 METODELOGI PENELITIAN.pdf Restricted to Repository staff only Download (331kB) | Request a copy |
|
Text (BAB 4 HASIL DAN PEMBAHASAN)
2015101015-BAB 4 HASIL DAN PEMBAHASAN.pdf Restricted to Repository staff only Download (673kB) | Request a copy |
|
Text (BAB 5 PENUTUP)
2015101015-BAB 5 PENUTUP.pdf Restricted to Repository staff only Download (244kB) | Request a copy |
|
Text (DAFTAR PUSTAKA)
2015101015-DAFTAR PUSTAKA.pdf Download (211kB) |
|
Text (LAMPIRAN)
2015101015-LAMPIRAN.pdf Download (392kB) |
Abstract
Era digital telah membawa transformasi signifikan dalam komunikasi masyarakat, dengan media sosial seperti Twitter (atau yang saat ini lebih dikenal dengan X) menjadi wadah utama bagi netizen untuk mengekspresikan pandangan mereka. Salah satu isu yang menjadi perhatian adalah penutupan TikTok Shop oleh Kementerian Perdagangan Republik Indonesia pada 4 Oktober 2023 karena pelanggaran regulasi. Namun, pada 12 Desember 2023, TikTok Shop kembali beroperasi melalui kemitraan dengan GoTo Group, yang memicu berbagai tanggapan publik, mulai dari antusiasme hingga kekhawatiran. Analisis sentimen menjadi penting untuk memahami persepsi publik terkait peristiwa ini. Penelitian ini bertujuan untuk menganalisis sentimen netizen di Twitter terkait pembukaan kembali TikTok Shop dengan menggunakan metode Support Vector Machine (SVM) sebagai model klasifikasi. Data tweet dikumpulkan melalui data crawling, kemudian dilakukan preprocessing untuk membersihkan data. Setelah itu, data dilabeli menggunakan model pretrained dan divalidasi oleh pakar bahasa Indonesia menjadi tiga kategori: positif, netral, dan negatif. Ekstraksi fitur teks dilakukan menggunakan metode TF-IDF unigram untuk merepresentasikan teks dalam bentuk numerik. Dataset dibagi menjadi data latih dan data tes dengan dua skema: 80:20 dan 90:10. Model klasifikasi SVM dibangun menggunakan pendekatan One vs One (OvO) dan One vs Rest (OvR) dengan empat kernel: linear, RBF, polynomial, dan sigmoid. Teknik ADASYN digunakan untuk mengatasi ketidakseimbangan data antar kelas. Hasil penelitian menunjukkan bahwa model L1 (SVM Linear, OvO, Split 80:20, Tanpa ADASYN) memberikan akurasi tertinggi sebesar 78,34%. Temuan ini memberikan wawasan mengenai persepsi publik terhadap TikTok Shop dan dapat menjadi acuan bagi pemerintah serta pemangku kepentingan dalam merumuskan kebijakan yang lebih inklusif dan responsif terhadap perkembangan ekosistem e-commerce di Indonesia.
| Item Type: | Thesis (Undergraduate) |
|---|---|
| Uncontrolled Keywords: | Analisis Sentimen, Twitter, TikTok Shop, SVM, ADASYN |
| Subjects: | T Technology > T Technology (General) |
| Divisions: | Fakultas Teknik dan Kejuruan > Jurusan Teknik Informatika > Program Studi Ilmu Komputer (S1) |
| Depositing User: | I GEDE KRISHNA ADI |
| Date Deposited: | 25 Jul 2025 07:36 |
| Last Modified: | 25 Jul 2025 07:36 |
| URI: | http://repo.undiksha.ac.id/id/eprint/26084 |
Actions (login required)
 |
View Item |