ANALISIS SENTIMEN TERHADAP OPERATOR SELULER DI MEDIA SOSIAL TWITTER MENGGUNAKAN METODE KLASIFIKASI NAÏVE BAYES DAN METODE TOPSIS

Alfriyanto, Muhammad Lutfi (2020) ANALISIS SENTIMEN TERHADAP OPERATOR SELULER DI MEDIA SOSIAL TWITTER MENGGUNAKAN METODE KLASIFIKASI NAÏVE BAYES DAN METODE TOPSIS. undergraduate thesis, Universitas Muhammadiyah Gresik.

	Text 2. Keaslian.pdf Download (1MB)
	Text Lembar Pengesahan.pdf Download (2MB)
	Text HALAMAN PERNYATAAN PERSETUJUAN PUBLIKASI.pdf Download (1MB)
	Text Halaman Judul.pdf Download (1MB)
	Text 12. BAB 1.pdf Download (256kB)
	Text 13. BAB II.pdf Download (369kB)
	Text 14. BAB III.pdf Download (746kB)
	Text 15. BAB IV.pdf Restricted to Repository staff only Download (660kB)
	Text 16. BAB V.pdf Download (118kB)
	Text 17. Daftar Pustaka.pdf Download (119kB)
	Text Lampiran.pdf Download (1MB)

Abstract

Teknologi informasi kini memberikan peluang untuk mengembangkan sistem yang dapat memahami opini orang lain secara otomatis, dan memberikan evaluasi mood pada opini seseorang di internet. Twitter merupakan media sosial yang dapat digunakan oleh penggunanya dalam menyampaikan berbagai pendapat atau opini. Sosial media twitter bersifat terbuka (public) sehingga banyak orang yang bisa mengaksesnya serta memanfaatkan fitur-fitur yang ada di twitter. Permasalahan yang diambil dari penelitian ini adalah bagaimana cara menetukan kelas topik serta menentukan kelas sentimen dari tweet terhadap operator seluler. Proses klasifikasi topik dan sentimen operator seluler dari twitter dilakukan menggunakan metode naïve bayes. Data yang dikumpulkan dari twitter berjumlah 451 yang terdiri dari 207 data latih dan 244 data uji, dimana masing-masing operator seluler diwakili dengan 81 data uji. Dari hasil pengujian didapatkan nilai akurasi sebesar 77.05% serta nilai recall 98.86% untuk klasifikasi topik, sedangkan untuk klasifikasi sentimen didapatkan nilai akurasi 72.95% dan nilai recall 96.61%.

Item Type:	Thesis (undergraduate)
Uncontrolled Keywords:	Analisis Sentimen, Twitter, Naïve bayes, Operator Seluler
Subjects:	Engineering > Informatics Engineering Engineering
Divisions:	Faculty of Engineering > Informatics Engineering Study Program
Depositing User:	Mochammad Lutfi Alfriyanto
Date Deposited:	04 Jul 2020 04:10
Last Modified:	04 Jul 2020 04:10
URI:	http://eprints.umg.ac.id/id/eprint/3668

Actions (login required)

View Item