Rahma, Alfia Dwi (2024) Penerapan Algoritma Support Vector Machine Dalam Sistem Analisis Sentimen Komentar Instagram Pemkab Gresik. undergraduate thesis, Universitas Muhammadiyah Gresik.
|
Text
LEMBAR ORISINALITAS.pdf Download (331kB) | Preview |
|
|
Text
LEMBAR PENGESAHAN.pdf Download (371kB) | Preview |
|
|
Text
LEMBAR PERSETUJUAN.pdf Download (391kB) | Preview |
|
|
Text
HALAMAN PERNYATAAN PERSETUJUAN PUBLIKASI.pdf Download (121kB) | Preview |
|
|
Text
HALAMAN JUDUL 1.pdf Download (1MB) | Preview |
|
|
Text
BAB 1.pdf Download (199kB) | Preview |
|
|
Text
BAB 2.pdf Download (367kB) | Preview |
|
|
Text
BAB 3.pdf Download (771kB) | Preview |
|
![[img]](http://eprints.umg.ac.id/style/images/fileicons/text.png) |
Text
BAB 4.pdf Restricted to Repository staff only Download (8MB) |
|
|
Text
BAB 5.pdf Download (116kB) | Preview |
|
|
Text
DAFTAR PUSTAKA.pdf Download (123kB) | Preview |
|
|
Text
LAMPIRAN.pdf Download (473kB) | Preview |
Abstract
Analisis sentimen pada media sosial menjadi semakin penting untuk memahami pandangan dan respons pengguna terhadap suatu konten atau kebijakan yang dibagikan. Pemerintah Kabupaten Gresik memiliki akun Instagram resmi @pemkabgresik untuk menyampaikan informasi layanan publik. Namun, dengan banyaknya komentar yang diterima, mengidentifikasi sentimen positif atau negatif secara manual menjadi sangat sulit dan kurang efektif. Oleh karena itu, penelitian ini bertujuan untuk mengembangkan sistem analisis sentimen menggunakan algoritma Support Vector Machine (SVM) untuk mengklasifikasikan komentar Instagram ke dalam sentimen positif atau negatif dengan menggunakan fitur ekstraksi Term Frequency-Inverse Document Frequency (TF-IDF). Hasil pengujian model menunjukkan bahwa model klasifikasi SVM memiliki akurasi sebesar 73,84%, dengan presisi 73% dan recall sebesar 74%. Hal ini mencerminkan tingkat efektivitas yang cukup baik dalam proses klasifikasi. Selain itu, tingkat penerimaan responden terhadap sistem ini mencapai 80%, menunjukkan bahwa kualitas aplikasi ini cukup diterima dengan baik oleh pengguna.
| Item Type: | Thesis (undergraduate) |
|---|---|
| Uncontrolled Keywords: | analisis sentimen, Instagram, Support Vector Machine (SVM), TF-IDF |
| Subjects: | Engineering > Informatics Engineering Engineering |
| Divisions: | Faculty of Engineering > Informatics Engineering Study Program |
| Depositing User: | Alfia Dwi Rahma |
| Date Deposited: | 05 Apr 2024 21:31 |
| Last Modified: | 05 Apr 2024 21:31 |
| URI: | http://eprints.umg.ac.id/id/eprint/11314 |
Actions (login required)
 |
View Item |
