@phdthesis{digilib58344,
           month = {January},
           title = {PERBANDINGAN ANALISIS SENTIMEN TWITTER DENGAN METODE NAIVE BAYES CLASSIFIER DAN SUPPORT VECTOR MACHINE
(Studi Kasus : Data Tanggapan Tweet Terhadap Mobil Listrik)},
          school = {UIN SUNAN KALIJAGA YOGYAKARTA},
          author = {NIM.: 19106050007 Nabila Karima Azka},
            year = {2023},
            note = {Pembimbing:
Muhammad Didik Rohmad Wahyudi, S.T., MT.},
        keywords = {electric car; sentiment analysis; Na{\"i}ve Bayes Classifier; support vector machine},
             url = {https://digilib.uin-suka.ac.id/id/eprint/58344/},
        abstract = {Perubahan iklim merupakan suatu isu yang menjadi perhatian serius bagi dunia terutama pemerintah Indonesia. Salah satu upaya menekan efek gas rumah kaca adalah mengembangkan alat transportasi yang lebih ramah lingkungan yaitu mobil listrik. Namun banyak pro dan kontra yang diperbincangkan terhadapa keefektifan mobil listrik sebagai solusi kendaraan yang lebih ramah lingkungan. Maka dari itu penelitian ini bertujuan untuk menganalisis opini masyarakat atau sentimen yang berkembang di masyarakat terhadap kebijakan mobil listrik menggunakan metode Na{\"i}ve Bayes Classifier dan Support Vector Machine pada media sosial twitter.
Tujuan dari dilakukannya perbandingan kedua metode tersebut adalah mengetahui model mana yang memiliki kinerja paling baik. Dipilihnya metode Na{\"i}ve Bayes Classifier dan Support Vector Machine pada penelitian ini dikarenakan Na{\"i}ve Bayes merupakan salah satu metode klasifikasi yang paling baik sehingga sering digunakan. Sementara itu Support Vector Machine tergolong metode yang masih baru sehingga dinilai lebih baik.
Hasil implementasi pada data uji sebanyak 6.316 data tweet menggunakan model Na{\"i}ve Bayes Classifier menghasilkan sentimen positif sebanyak 54,8\% dengan 3859 data, kelas sentimen netral sebanyak 11,4\% dengan 805 data, dan kelas sentimen negatif sebanyak 33,8\% dengan 2383 data sedangkan menggunakan model Support Vector Machine menghasilkan kelas sentimen positif sebanyak 51,7\% dengan 3641 data, kelas sentimen netral sebanyak 12,4\% dengan 876 data, dan kelas sentimen negatif sebanyak 35,9\% dengan 2530 data. Total data yang digunakan pada penelitian ini berjumlah 13.364 data tweet dari twitter, yang mana 6.316 digunakan sebagai data latih dengan label dan 7.048 data uji tanpa label. Akurasi yang didapatkan pada model Na{\"i}ve Bayes Classifier adalah 73,18\% sedangkan pada model Support Vector Machine akurasinya adalah 80,85\%.}
}