PERBANDINGAN METODE NAIVE BAYES CLASSIFIER DAN SUPPORT VECTOR MACHINE PADA ANALISIS SENTIMEN TWITTER (Studi kasus : Data Tweet Dengan Kata Kunci “Omicron”)

Ahabullah Fakhri Muhammad, NIM.: 18106050040 (2022) PERBANDINGAN METODE NAIVE BAYES CLASSIFIER DAN SUPPORT VECTOR MACHINE PADA ANALISIS SENTIMEN TWITTER (Studi kasus : Data Tweet Dengan Kata Kunci “Omicron”). Skripsi thesis, UIN SUNAN KALIJAGA YOGYAKARTA.

Preview	Text (PERBANDINGAN METODE NAIVE BAYES CLASSIFIER DAN SUPPORT VECTOR MACHINE PADA ANALISIS SENTIMEN TWITTER (Studi kasus : Data Tweet Dengan Kata Kunci “Omicron”)) 18106050040_BAB-I_IV-atau-V_DAFTAR-PUSTAKA.pdf - Published Version Download (2MB) | Preview
	Text (PERBANDINGAN METODE NAIVE BAYES CLASSIFIER DAN SUPPORT VECTOR MACHINE PADA ANALISIS SENTIMEN TWITTER (Studi kasus : Data Tweet Dengan Kata Kunci “Omicron”)) 18106050040_BAB-II_sampai_SEBELUM-BAB-TERAKHIR.pdf - Published Version Restricted to Registered users only Download (4MB) | Request a copy

Abstract

Pandemi COVID-19 telah mengubah berbagai aspek kehidupan manusia saat ini, baik di bidang kesehatan, pendidikan dan bahkan finansial. Salah satu pengendalian peningkatan COVID-19 saat ini adalah vaksinasi. Namun banyak pro kontra yang diperbincangkan terhadap keefektifan vaksin ini. Belum tuntas pembicaraan mengenai hal itu, saat ini muncul varian baru COVID-19 yaitu omicron. Pemberitaan melalui kanal youtube juga dicari dan dilihat orang untuk mengetahui seperti apa virus omicron ini dan efektifitas vaksin yang sudah dilakukan masyarakat terhadap virus baru ini. Dalam penelitian ini kita melihat bagaimana sudut pandang masyarakat twitter mengenai COVID-19 varian baru yaitu omicron. Penelitian ini bertujuan untuk menganalisis terhadap opini atau sentimen yang berkembang di masyarakat terhadap COVID-19 omicron menggunakan metode Naive Bayes Classifier dan Support Vector Machine. Hasil implementasi pada data uji sebanyak 5.967 data tweet menggunakan model Naive Bayes Classifier menghasilkan klasifikasi sentimen positif sebanyak 12,7% dengan 756 data, kelas sentimen netral sebanyak 8,4% dengan 504 data dan sentimen negatif sebanyak 78,9% dengan 4.707 data sedangkan menggunakan model Support Vector Machine menghasilkan klasifikasi kelas sentimen positif sebanyak 16,7% dengan 996 data, kelas sentimen netral sebanyak 18,6% dengan 1.111 data dan kelas sentimen negatif sebanyak 64,7% dengan 3.860 data. Data yang digunakan adalah sebanyak 10.110 tweets dari twitter, yang mana 4.143 digunakan sebagai data latih dengan label dan 5.967 data uji tanpa label. Proses pembelajaran terhadap data latih menghasilkan nilai akurasi sebesar 74,21% dengan metode Naive Bayes Classifier dan 80,58% dengan metode Support Vector Machine

Share this knowledge with your friends :

Actions (login required)

View Item