Priyani, Rina (2016) Analisis Sentimen Pengguna Twitter Terhadap Acara Standup Comedy Dengan Menggunakan Support Vector Machine Dan Naive Bayes Classifier. Diploma thesis, Universitas Komputer Indonesia.
Full text not available from this repository.Abstract
Salah satu acara standup comedy adalah standup comedy kompastv. Adanya akun resmi standup comedy kompastv di twitter, memungkinkan masyarakat yang menjadi followers akun tersebut melakukan feedback dengan menanggapi setiap postingan tweet dari akun tersebut. Karena ketersediaan sentimen untuk acara standup comedy kompastv sangat melimpah, sehingga feedback yang disampaikan oleh followers dapat digunakan untuk mengukur analisis sentimen followers terhadap acara standup comedy di kompastv. Banyaknya tweet yang masuk ke akun twitter standup comedy kompastv dapat digunakan untuk mengetahui sentimen followers terhadap acara standup comedy kompastv, akan tetapi dalam penyampaian sentimen tersebut terdapat sentimen yang bukan merupakan opini, maka dari itu sebelum sentimen diklasifikasikan ke dalam kategori positif dan negatif, sebuah data twitter harus dipisahkan ke dalam kategori relevan dan tidak relevan dengan menggunakan metode Support Vector Machine. Setelah data twitter masuk ke dalam kategori relevan, selanjutnya data twitter tersebut diklasifikasikan ke dalam kategori positif dan negatif dengan menggunakan metode Na�¯ve Bayes Classifier.Permasalahan analisis sentimen adalah bagaimana mengklasifikasikan sentimen kedalam kelas-kelas yang sudah ditentukan. Selanjutnya, untuk mengatasi permasalahan tersebut dilakukan pembelajaran mesin dengan menggunakan Support Vector Machine untuk pemisahan data relevan dan tidak relevan, dan Na�¯ve Bayes Classifier untuk klasifikasi data positif dan negative. Penggunaan Support Vector Machine dan Na�¯ve Bayes Classifier dikarenakan performasinya lebih baik untuk teks berbahasa Indonesia, sehingga analisis sentiment dapat diterapkan pada tweet yang memiliki nilai subyektif. Dari hasil pengujian dengan metode 10-fold cross validation menunjukkan bahwa kedua metode yang digunakan memiliki tingkat akurasi yang cukup memuaskan yaitu 90.74% untuk metode Support Vector Machine dan 95.91% untuk metode Na�¯ve Bayes Classifier.
| Item Type: | Thesis (Diploma) |
|---|---|
| Uncontrolled Keywords: | Analisis sentimen, Support Vector Machine, Na�¯ve Bayes Classifier, Cross Validation, Twitter, tweet |
| Subjects: | S1-Final Project > Fakultas Teknik Dan Ilmu Komputer > Teknik Informatika > 2015 |
| Divisions: | Universitas Komputer Indonesia > Fakultas Teknik dan Ilmu Komputer Universitas Komputer Indonesia > Fakultas Teknik dan Ilmu Komputer > Teknik Informatika (S1) |
| Depositing User: | Admin Repository |
| Date Deposited: | 16 Nov 2016 07:59 |
| Last Modified: | 16 Nov 2016 07:59 |
| URI: | http://repository.unikom.ac.id/id/eprint/20278 |
Actions (login required)
 |
View Item |
