ANALISIS SENTIMENT MASYARAKAT TERHADAP FINTECH MENGGUNAKAN METODE NA¨IVE BAYES CLASSIFIER

NAFI’A NISA’UL HAMIDAH, 15650018 (2019) ANALISIS SENTIMENT MASYARAKAT TERHADAP FINTECH MENGGUNAKAN METODE NA¨IVE BAYES CLASSIFIER. Skripsi thesis, UIN Sunan Kalijaga.

[img] Text (ANALISIS SENTIMENT MASYARAKAT TERHADAP FINTECH MENGGUNAKAN METODE NA¨IVE BAYES CLASSIFIER)
15650002-BAB-II_III_IV.pdf - Published Version
Restricted to Registered users only

Download (1MB)
[img]
Preview
Text (ANALISIS SENTIMENT MASYARAKAT TERHADAP FINTECH MENGGUNAKAN METODE NA¨IVE BAYES CLASSIFIER)
15650018-BAB-I_V_DAFTAR-PUSTAKA.pdf - Published Version

Download (1MB) | Preview

Abstract

Twitter merupakan situs microbloging yang banyak digemari oleh masyarakat. Salah satu topik cuitan warganet di Ttwitter adalah FinTech, Fintech atau financial technology saat ini sedang menjadi pembicaraan yang sangat menarik. Maka dari itu dilakukan penelitian mengenai Analisis Sentimen terhadap Fintech. Analisis sentimen dengan kata kunci fintech dengan metode Na¨ıve Bayes Classifier. Na¨ıve Bayes Classifier merupakan metode klasifikasi dengan memanfaatkan probabilitas dan statistik. Data yang digunakan sebanyak 6050 data dengan komposisi 2500 data latih dengan label dan 3550 data uji. Pada penelitin metode yang digunakan adalah Na¨ıve Bayes Classifier. Penelitian yang dilakukan menggunakan dua model pembobotan, yaitu TF dan TF-IDF dan menggunakan dua model akurasi, yaitu K-Fold Cross Validation dan Leave One Out Cross Validation. Pembobotan term frequency (TF) pada data latih Fintech dengan akurasi K-Fold Cross Validation mendapat nilai akurasi sebesar 76, 02%. Sedangkan dengan pembobotan TF dengan akurasi Leave One Out Cross Validation mendapat nilai akurasi sebesar 71, 68%. Menggunakan pembobotan term frequency-invers document frequency (TF-IDF) pada data latih Fintech dengan metode akurasi K-Fold Cross Validation mendapat nilai akurasi sebesar 67, 24%. Sedangkan dengan pembobotan metode akurasi Leave One Out Cross Validation mendapat nilai akurasi sebesar 51, 80%. Kata Kunci : analisis sentimen, twitter, fintech, k-fold cross validation, leave ono out cross validation, naive bayes classifier, tf, tf-idf, klasifikasi

Item Type: Thesis (Skripsi)
Additional Information: Sumarsono, S.T., M.Kom
Uncontrolled Keywords: Kata Kunci : analisis sentimen, twitter, fintech, k-fold cross validation, leave ono out cross validation, naive bayes classifier, tf, tf-idf, klasifikasi
Divisions: Fakultas Sains dan Teknologi > Teknik Informatika (S1)
Depositing User: Puji Hartati
Date Deposited: 21 Aug 2020 06:37
Last Modified: 17 Mar 2021 14:35
URI: http://digilib.uin-suka.ac.id/id/eprint/40509

Share this knowledge with your friends :

Actions (login required)

View Item View Item
Chat Kak Imum