ANALISIS PERFORMA PENGGUNAAN STEMMING DALAM ANALISIS SENTIMEN TERHADAP BPJS KESEHATAN PADA MEDIA SOSIAL TWITTER MENGGUNAKAN ALGORITMA NAIVE BAYES

DWIPAYANA, I MADE (2023) ANALISIS PERFORMA PENGGUNAAN STEMMING DALAM ANALISIS SENTIMEN TERHADAP BPJS KESEHATAN PADA MEDIA SOSIAL TWITTER MENGGUNAKAN ALGORITMA NAIVE BAYES. Strata 1 thesis, Universitas Teknokrat Indonesia.

	Text (Full Teks) skripsi18311197.pdf - Published Version Restricted to Registered users only Download (3MB) | Request a copy
	Text (Abstrak) abstrak18311197.pdf - Published Version Download (13kB)
	Text (BAB I Pendahuluan) b118311197.pdf - Published Version Download (19kB)
	Text (BAB II Landasan Teori) b218311197.pdf - Published Version Download (192kB)
	Text (Daftar Pustaka) daftar_pustaka18311197.pdf - Bibliography Download (80kB)

Abstract

Penelitian ini bertujuan untuk mengetahui performa penggunaan stemming secara empiris sentimen terhadap BPJS Kesehatan pada media sosial twitter menggunakan algoritma Naive Bayes. Dalam analisa sentimen diwakili oleh dua tahap yaitu prepocessing, dan klasifikasi. Penggunaan algoritma Naive Bayes Classifier pada penelitian ini karena merupakan pendekatan klasifikasi probabilitas paling sederhana dan memiliki tingkat akurasi yang sangat tinggi. Tahapan penelitian ini yaitu, crawling data, preprocessing, pelabelan, pembuatan data uji dan latih, klasifikasi Naive Bayes, evaluasi, dan visualisasi data. Penelitian ini menggunakan 2000 data tweet sebagai sampel penelitian. Berdasarkan penelitian ini, diketahui sentimen negatif yang dihasilkan sebesar 74,2%, dan 25,8% menghasilkan sentimen positif. Hasil penelitian yang menggunakan algoritma Naive Bayes ini menunjukkan akurasi sebesar 76,55% saat menggunakan stemming dan 72,89% tanpa menggunakan stemming yang menandakan bahwa penggunaan stemming cukup berpengaruh pada akurasi.

Item Type:	Thesis (Strata 1)
Uncontrolled Keywords:	Sentimen; BPJS Kesehatan; Twitter; Algoritma Naive Bayes;
Subjects:	SISTEM INFORMASI (S1) > Online Social Network SISTEM INFORMASI (S1) > Online Social Network
Divisions:	Fakultas Teknik dan Ilmu Komputer > S1 Sistem Informasi
Depositing User:	Pustakawan Admin 1
Date Deposited:	24 Aug 2024 02:21
Last Modified:	24 Aug 2024 02:21
URI:	http://repository.teknokrat.ac.id/id/eprint/5968

Actions (login required)

View Item