PERBANDINGAN METODE NAIVE BAYES CLASSIFIER DAN SUPPORT VECTOR MACHINE PADA SENTIMEN ANALISIS MENGENAI VAKSIN COVID-19 DI TWITTER

SHODIQIN, RB. ALI (2022) PERBANDINGAN METODE NAIVE BAYES CLASSIFIER DAN SUPPORT VECTOR MACHINE PADA SENTIMEN ANALISIS MENGENAI VAKSIN COVID-19 DI TWITTER. Strata 1 thesis, Universitas Teknokrat Indonesia.

	Text (Full Skripsi) skripsi17312128.pdf - Published Version Restricted to Registered users only Download (5MB) | Request a copy
	Text (Abstrak) abstrak17312128.pdf - Published Version Download (303kB)
	Text (BAB I Pendahuluan) b117312128.pdf - Published Version Download (312kB)
	Text (BAB II Landasan Teori) b217312128.pdf - Published Version Download (385kB)
	Text (Daftar pustaka) daftar_pustaka17312128.pdf - Published Version Download (317kB)

Abstract

Pada tahun 2019 masyarakat dihebohkan dengan adanya virus baru dari Wuhan, China yaitu virus corona atau disebut COVID-19 (Corona Virus Desease 2019). Pemerintah mengajak masyarakat untuk melakukan vaksin Covid-19 agar terbentu herd immunity atau kekebalan kelompok terhadapat virus Covid-19. Namun karena singkatnya waktu penelitian vaksin menyebabkan masyarakat ragu untuk melakukan vaksin. Hal ini juga dikarenakan sempat beredar kasus efek samping vaksin yang mengganggu kesehatan bahkan meninggal. Dengan menggunakan jejaring sosial seperti Twitter, masyarakat banyak yang mengungkapkan opini terhadap kegiatan vaksinasi. Untuk mengetahui bagaimana tanggapan masyarakat dapat dilakukan dengan analisis sentiment twit pada Twitter, dimana setiap twit dari netizen tidak mengandung makna yang selaras, sehingga perlu dilakukan analisis terhadap opini netizen di twitter mengenai COVID-19 dengan klasifikasi positif dan negatif. Analisis sentimen dapat digunakan untuk melakukan evaluasi suatu kinerja pelayanan dan sebagainya. Maka penulis akan melakukan suatu perbandingan antara metode Naive Bayer Classifier dan Support Vector Machine untuk mengetahui metode mana yang lebih efisien dalam mengetahui pandangan akurasi masyarakat terhadap vaksin Covid-19. Hasil pengujian performa dari kedua metode menunjukkan bahwa performa metode Naive Bayes Classifier (Accuracy 72.88%, Precision 43.49%, Recall 54.95%, dan rata-rata performa 57.10%) lebih tinggi dibandingkan dengan rata-rata performa metode Support Vector Machine (Accuracy 77.00%, Precision 75.00%, Recall 7.70%, dan rata-rata performa 53.52%). Berdasarkan nilai rata-rata performance metode Naive Bayes Classifier dapat dinilai lebih efisien dibandingkan metode Support Vector Machine. Berdasarkan nilai precision, untuk mendapatkan data yang relevan Support Vector Machine lebih efisien dibandingkan dengan Naïve Bayes Classifier.

Item Type:	Thesis (Strata 1)
Uncontrolled Keywords:	Vaksinasi Covid-19, Analisis Sentimen Twitter, Text Mining, Naive Bayes Classifier, Support Vector Machine
Subjects:	INFORMATIKA > TJ Mechanical engineering and machinery
Divisions:	Fakultas Teknik dan Ilmu Komputer > S1 Informatika
Depositing User:	Asep Haikal Kurniawan S.IP., M.A
Date Deposited:	24 Nov 2022 09:35
Last Modified:	24 Nov 2022 09:35
URI:	http://repository.teknokrat.ac.id/id/eprint/4060

Actions (login required)

View Item