SENTIMEN ANALISIS TERHADAP KEBIJAKAN PPKM DI INDONESIA MENGGUNAKAN METODE SUPPORT VECTOR MACHINE (SVM)

ANDRI KURNIAWAN, VIDO (2021) SENTIMEN ANALISIS TERHADAP KEBIJAKAN PPKM DI INDONESIA MENGGUNAKAN METODE SUPPORT VECTOR MACHINE (SVM). Strata 1 thesis, Universitas Teknokrat Indonesia.

[img] Text (Full Skripsi)
skripsi17311201.pdf - Published Version
Restricted to Registered users only

Download (4MB) | Request a copy
[img] Text (Bab I-Pendahuluan)
b117311201.pdf - Published Version

Download (110kB)
[img] Text (Bab II-Landasan Teori)
b217311201.pdf - Published Version

Download (433kB)
[img] Text (Abstrak)
abstrak17311201.pdf - Published Version

Download (12kB)
[img] Text (Daftar Pustaka)
daftar_pustaka17311201.pdf - Bibliography

Download (9kB)

Abstract

Indonesia merupakan salah satu negara yang terpapar oleh virus corona (Covid-19), sehingga menyebabkan beberapa daerah di Indonesia harus menerapkan PPKM untuk membatasi mobilitas masyarakat dengan tujuan dapat menekan populasi pertumbuhan virus covid-19. PPKM sendiri memiliki beberapa level yaitu level 1 (insiden rendah), level 2 (insiden sedang ), level 3 (insiden tinggi) dan level 4 (insiden sangat tinggi). Karna atas kebijakan PPKM ini ramai menjadi perbincangan di media sosial seperti facebook, instagram, twitter dan media lainnya. Metode yang digunakan dalam penelitia ini yaitu metode Support Vector Machine (SVM). SVM bekerja dengan sistem pembelajaran yang menggunakan ruang hipotesis berupa fungsi-fungsi linier dalam sebuah ruang fitur berdimensi tinggi, hanya saja pada metode klasifikasi SVM ini hanya dapat mengklasifikasikan data kedalam dua kelas. Pada penelitaian ini menggunakan data komentar dari twitter bertagar PPKM terkait kebijakan PPKM yang dilaksanakan pemerintah, data melalui proses Pre-Processing sebelum melakukan persiapan dataset sebelum diterapkan kedalam proses klasifikasi. Pada penerapan algoritma Support vector machine dalam proses klasifikasi ini berdasarkan dataset yang sudah melalui proses preprocessing, kemudian pembobotan TF-IDF dan terklasifikasi dalam dua kelas positif dan negatif . dataset dibagi menjadi 20% data testing dan 80%. Tingkat akursi dari algoritma Support Vector Machine, Bahwa algoritma Akurasi Algoritma Support Vector Machine memiliki tingkat akurasi sebesar 0.90 dan nilai precision sebesar 0.91 dan nilai recall sebesar 0.90, F-1 score sebesar 0.90. Hasil dari Algoritma Support vector mechine digunakan untuk klasifikasi analisis sentimen postif dan negatif.

Item Type: Thesis (Strata 1)
Uncontrolled Keywords: Analisis Sentimen , Covid-19, SVM, Twitter
Subjects: SISTEM INFORMASI (D3)
Divisions: Fakultas Teknik dan Ilmu Komputer > S1 Sistem Informasi
Depositing User: Asep Haikal Kurniawan S.IP., M.A
Date Deposited: 17 Mar 2022 02:28
Last Modified: 17 Mar 2022 02:28
URI: http://repository.teknokrat.ac.id/id/eprint/3809

Actions (login required)

View Item View Item