Anas Zakariya, 4611416074 (2023) IMPLEMENTASI ENSEMBLE STACKING BERBASIS NAIVE BAYES DAN K-NEAREST NEIGHBOR DENGAN INDONESIAN SENTIMENT LEXICON UNTUK ANALISIS SENTIMEN LAYANAN SHOPEEFOOD DI TWITTER. Under Graduates thesis, UNIVERSITAS NEGERI SEMARANG.

PDF - Published Version Restricted to Repository staff only Download (1MB) | Request a copy

Abstract

Media sosial Twitter merupakan salah satu media sosial di mana pengguna dapat dengan bebas memberikan opini dalam bentuk positif maupun negatif. Dari opini pengguna di Twitter bisa menjadi indikasi serta analisis bagi suatu perusahaan apakah pelayanan yang diberikan mendapat respon positif atau negatif dari masyarakat. Oleh karena itu perlu dilakukan analisis sentimen untuk mengetahui respon yang diberikan masyarakat apakah berupa sentimen positif ataupun negatif. Pada penelitian ini dilakukan analisis sentimen dengan menerapkan metode ensemble stacking yang menggabungkan algoritma naive Bayes dan KNN sebagai base classifier pada tweet jasa layanan ShopeeFood di Twitter. Penelitian ini diawali dengan melakukan crawling data menggunakan SNSscrape dengan kata kunci ShopeeFood di Twitter pada rentang waktu 01 Juli 2021 sampai 30 Juli 2021 dan menghasilkan 5000 data. Kumpulan data hasil crawling kemudian dilakukan tahap preprocessing sehingga didapatkan data yang bersih. pelabelan menggunakan Indonesian Sentiment (InSet) lexicon diaplikasikan untuk melabeli tiap katanya menjadi positif, negatif, maupun netral. Algoritma naive Bayes dan KNN digunakan sebagai base classifier. Metode yang diusulkan memperoleh akurasi sebesar 90,01% dengan naive Bayes sebagai meta classifier. Hasil analisis menunjukkan bahwa metode ensemble stacking berbasis naive Bayes dan KNN dengan indonesian sentiment lexicon mempunyai akurasi yang baik sehingga penelitian ini dapat membantu perusahaan mengetahui sentimen dari pengguna ShopeeFood untuk meningkatkan layanan yang diberikan.

Actions (login required)

View Item