Refo Labib Mustofa, 4611416072 (2021) ANALISIS SENTIMEN MENGGUNAKAN METODE LEXICON BASED DENGAN ALGORITMA NAIVE BAYES CLASSIFIER DAN C4.5 PADA TAGAR #NEWNORMAL DI TWITTER. Under Graduates thesis, Universitas Negeri Semarang.

PDF (ANALISIS SENTIMEN MENGGUNAKAN METODE LEXICON BASED DENGAN ALGORITMA NAIVE BAYES CLASSIFIER DAN C4.5 PADA TAGAR #NEWNORMAL DI TWITTER) - Published Version Restricted to Repository staff only Download (1MB) | Request a copy

Abstract

Pada tahun 2020 organisasi kesehatan dunia atau world health organization (WHO) telah mengumumkan COVID-19 sebagai pandemi. Dari hal itu pemerintah Indonesia mengkampanyekan suatu tata cara dalam menjalani aktivitas di tengah pandemi dengan istilah new normal. Dari banyaknya tanggapan masyarakat terutama yang ada pada Twitter mengenai kampanye #newnormal perlu dilakukan proses analisis sentimen untuk mengetahui persepsi yang ada pada masyarakat melalui media sosial. Pada penelitian ini data didapatkan melalui proses crawling di Twitter menggunakan API Twitter. Metode yang digunakan dalam proses analisis sentimen yaitu lexicon based. Metode lexicon based bekerja dengan cara melakukan pelabelan terhadap kata yang mengandung sentimen berdasarkan kamus leksikon yang sudah memiliki bobot pada tiap kata maupun yang belum memiliki bobot pada kata dalam sebuah kamus leksikon. Hasil dari pembobotan menggunakan lexicon based kemudian digunakan dalam pembuatan data training pada proses pengujian menggunakan algoritma naive Bayes classifier dan C4.5. Secara umum tahapan penelitian pada analisis sentimen ini meliputi crawling data, preprocessing text, lexicon based feature dan proses klasifikasi. Hasil dari proses analisis sentimen menunjukan persentase masyarakat pengguna media sosial Twitter tentang #newnormal sebesar 33,63% mengandung sentimen negatif dan 66,36% mengandung sentimen positif. Sedangkan untuk pengujian algoritma naive Bayes classifier dalam proses analisis sentimen mendapat akurasi sebesar 79,72% dan algoritma C4.5 mendapat akurasi sebesar 76,68%.

Actions (login required)

View Item