TERM FREQUENCY-INVERSE DOCUMENT FREQUENCY SUPPORT VECTOR MACHINE UNTUK ANALISIS SENTIMEN OPINI MASYARAKAT TERHADAP TEKANAN MENTAL PADA MEDIA SOSIAL TWITTER

ATIKA, DHIRA (2022) TERM FREQUENCY-INVERSE DOCUMENT FREQUENCY SUPPORT VECTOR MACHINE UNTUK ANALISIS SENTIMEN OPINI MASYARAKAT TERHADAP TEKANAN MENTAL PADA MEDIA SOSIAL TWITTER. Strata 1 thesis, Universitas Teknokrat Indonesia.

	Text (Full Skripsi) skripsi18311185.pdf - Published Version Download (1MB)
	Text (Abstrak) abstrak18311185.pdf - Published Version Download (10kB)
	Text (Bab I Pendahuluan) b118311185.pdf - Published Version Download (145kB)
	Text (Bab II landasan Teori) b218311185.pdf - Published Version Download (187kB)
	Text (Daftar Pustaka) daftar_pustaka18311185.pdf - Bibliography Download (137kB)

Abstract

Twitter adalah media informasi yang tersedia untuk semua pengguna Internet. Indonesia memiliki 19,5 juta pengguna Twitter dari 500 juta di seluruh dunia dan terus bertambah dari waktu ke waktu. Penggunaan Twitter oleh pemerintah dipergunakan dalma melakukan kebijakan pembatasan sosial berskala besar (PSBB) berkaitan dengan sektor perjalanan, sekolah dan usaha. Dalam ilmu psikologi tekanan mental dapat terjadi disebabkan oleh beberapa faktor bisa dari faktor biologis, genetik atau lingkungan. Tekanan mental yang dirasakan mulai dari khawatir terhadap kesehatan, informasi hoax dan tekanan mental yang terkait dengan penghasilan dan pendapatan. tweet Twitter tentang tekanan mental menghasilkan banyak pendapat masyarakat. Komentar tweet pengguna media sosial Twitter akan dapat dijadikan data penelitian. Berdasarkan tweet yang dilakukan pengguna media sosial Twitter pada penelitian ini akan mencari opini masyarakat tentang tekanan mental pengguna Twitter di Indonesia. Salah satu tujuan dari penelitian ini adalah mengetahui tingkat tekanan mental masyakarat pengguna Twitter di Indonesia dengan 2 klasifikasi yaitu terkena tekanan mental dan tidak terkena tekanan mental. Untuk memudahkan proses pengklasifikasian Data tweet Twitter dibutuhkan suatu sentimen analisis. Teknik untuk melakukan klasifikasi pada analisis sentimen diperlukan suatu algoritma dalam penelitian ini menggunakan algoritma Support Vector Machine (SVM) dengan kernel linier, yang dikombinasikan dengan fitur ekstraksi TF-IDF. Uji validitas yang diterapkan pada penelitian ini menggunakan matrik konfusi. Penggunaan ekstraksi fitur TF-IDF dan metode Support Vector Machine (SVM) mampu melakukan nilai accuracy sebesar 91,13% artinya bahwa nilai tersebut good classification atau klasifikasi baik. Kata Kunci: Analisis Sentimen, TF-IDF, Support Vector Machine (SVM).

Item Type:	Thesis (Strata 1)
Uncontrolled Keywords:	Analisis Sentimen, TF-IDF, Support Vector Machine (SVM).
Subjects:	SISTEM INFORMASI (S1) > SYSTEMS KOMPUTER SISTEM INFORMASI (S1) > SYSTEMS KOMPUTER
Divisions:	Fakultas Teknik dan Ilmu Komputer > S1 Sistem Informasi
Depositing User:	Asep Haikal Kurniawan S.IP., M.A
Date Deposited:	06 May 2023 03:20
Last Modified:	06 May 2023 03:20
URI:	http://repository.teknokrat.ac.id/id/eprint/4664

Actions (login required)

View Item