ANALISIS SENTIMEN TENTANG MENSTRUAL CUP DI TWITTER MENGGUNAKAN SUPPORT VECTOR MACHINE DAN NAÏVE BAYES CLASSIFIER


Dheani Fauziah, 4611416054 (2020) ANALISIS SENTIMEN TENTANG MENSTRUAL CUP DI TWITTER MENGGUNAKAN SUPPORT VECTOR MACHINE DAN NAÏVE BAYES CLASSIFIER. Under Graduates thesis, Universitas Negeri Semarang.

[thumbnail of ANALISIS SENTIMEN TENTANG MENSTRUAL CUP DI  TWITTER MENGGUNAKAN SUPPORT VECTOR MACHINE  DAN NAÏVE BAYES CLASSIFIER] PDF (ANALISIS SENTIMEN TENTANG MENSTRUAL CUP DI TWITTER MENGGUNAKAN SUPPORT VECTOR MACHINE DAN NAÏVE BAYES CLASSIFIER) - Published Version
Restricted to Repository staff only

Download (1MB) | Request a copy

Abstract

Perkembangan teknologi berdampak langsung pada kemudahan akses pertukaran informasi. Di Twitter, pesan singkat yang terkirim dapat mencapai 500 juta perhari. Menstrual cup juga termasuk topik yang dibicarakan. Analisis sentimen dilakukan untuk mengetahui sejauh mana publik mengerti tentang menstrual cup. Analisis sentimen dimulai dengan mengambil data mentah yang disebut twitter crawling. Data tersebut kemudian diberi label positif dan negatif secara manual. Selanjutnya, data akan memasuki tahap preprocessing agar lebih terstruktur dan saat masuk ke proses word vectorization menggunakan term frequency-inverse document frequency, data dapat diurutkan berdasar skor. Tahap selanjutnya ialah feature selection yang menggunakan information gain dengan bertujuan menyeleksi fitur dengan nilai tertinggi sehingga hasil akan lebih optimal. Tahap terakhir ialah tahap klasifikasi. Tahap ini akan membandingkan dua algoritma, yaitu support vector machine dan naïve Bayes classifier. Dua algoritma ini dipilih karena algoritma tersebut bekerja baik dalam dataset yang banyak dan kecepatan komputasi yang tinggi. Implementasi program menggunakan Pycharm IDE dan bahasa pemrograman Python. Dari hasil penelitian, diperoleh data bahwa algoritma support vector machine dan naïve Bayes classifier menghasilkan analisis teks dengan tingkat akurasi masing-masing 84,2% dan 83,7%. Pada penelitian selanjutnya, penggunaan kamus lexicon dapat digunakan untuk menggantikan proses manual labelling.

Item Type: Thesis (Under Graduates)
Uncontrolled Keywords: Analisis Sentimen, Menstrual Cup, Term Frequency-Inverse Document Frequency, Information Gain, Support Vector Machine, Naïve Bayes Classifier
Subjects: T Technology > Computer Engineering
Fakultas: Fakultas Matematika dan Ilmu Pengetahuan Alam > Ilmu Komputer, S1
Depositing User: indah tri pujiati
Date Deposited: 01 Sep 2021 02:09
Last Modified: 01 Sep 2021 02:09
URI: http://lib.unnes.ac.id/id/eprint/45288

Actions (login required)

View Item View Item