ANALISIS SENTIMEN TERHADAP KEBIJAKAN KAMPUS MERDEKA PADA TWITTER MENGGUNAKAN SUPPORT VECTOR MACHINE DAN NAÏVE BAYES CLASSIFIER


Mohammad Nashrullah, 4611418076 (2022) ANALISIS SENTIMEN TERHADAP KEBIJAKAN KAMPUS MERDEKA PADA TWITTER MENGGUNAKAN SUPPORT VECTOR MACHINE DAN NAÏVE BAYES CLASSIFIER. Under Graduates thesis, Universitas Negeri Semarang.

[thumbnail of 4611418076 - Mohammad Nashrullah.pdf] PDF - Published Version
Restricted to Repository staff only

Download (1MB) | Request a copy

Abstract

Merdeka Belajar Kampus Merdeka (MBKM) merupakan program yang diresmikan Kemendikbudristek pada tahun 2020 yang menekankan pada kemerdekaan dan kemandirian belajar menimbulkan banyak opini beragam di masyarakat. Salah satu media yang banyak memberikan opini terhadap kebijakan ini adalah media sosial Twitter. Sentimen yang ditulis oleh masyarakat tentang kebijakan kampus merdeka dapat dianalisis dan dikategorikan sebagai sentimen yang positif maupun negatif sebagai bahan ulasan. Pada penelitian ini dilakukan analisis sentimen terhadap kebijakan kampus merdeka dengan algoritma support vector machine dan naïve Bayes classifier. Analisis sentimen dimulai dengan melakukan crawling data pada Twitter dalam rentang waktu 20 November 2021 hingga 19 Desember 2021 dengan total 5980 data. Kemudian dilakukan preprocessing data untuk menormalisasi dan membersihkan data sebelum dilakukan klasifikasi data. Data yang telah melalui preprocessing kemudian diberikan label dengan menggunakan Vader. Selanjutnya dilakukan word vectorization dengan TF-IDF dan klasifikasi data untuk menguji akurasi analisis sentimen dengan algoritma support vector machine dan naïve Bayes classifier. Hasil pengujian sebanyak 20 kali menunjukkan tingkat akurasi tertinggi diperoleh oleh algoritma support vector machine dengan akurasi 73.12%.

Item Type: Thesis (Under Graduates)
Uncontrolled Keywords: Analisis Sentimen, Twitter, Kampus Merdeka, Support Vector Machine, Naïve Bayes Classifier.
Subjects: Q Science > QA Mathematics > QA75 Electronic computers. Computer science
Fakultas: Fakultas Matematika dan Ilmu Pengetahuan Alam > Ilmu Komputer, S1
Depositing User: TUKP unnes
Date Deposited: 29 Mar 2023 04:45
Last Modified: 29 Mar 2023 04:45
URI: http://lib.unnes.ac.id/id/eprint/56806

Actions (login required)

View Item View Item