Analisis sentimen pengguna twitter pada akun Maicih

Sopian, Ahmad (2015) Analisis sentimen pengguna twitter pada akun Maicih.

Full text not available from this repository.
Official URL: http://elib.unikom.ac.id/gdl.php?mod=browse&op=rea...

Abstract

Sosial media untuk promosi bisnis sudah dilakukan oleh banyak perusahaan termasuk PT. Maicih Inti Sinergi sebagai salah satu perusahaan asal Kota Bandung yang mempromosikan produknya menggunakan sosial media twitter. Hingga saat ini saja PT. Maicih Inti Sinergi sudah memiliki 318.000 followers. Dengan adanya akun twitter ini dan jumlah postingan tweet yang banyak setiap harinya ketersediaan sentimen untuk produk PT. Maicih Inti Sinergi sangat melimpah sehingga dapat dimanfaatkan untuk mengevaluasi produk-produk PT. Maicih Inti Sinergi. Untuk itu diperlukan sebuah aplikasi yang dapat melakukan analisis sentimen yang efektif dan efisien untuk postingan tweet tersebut. Hal itu dapat dilakukan dengan menggunakan text mining. Metode yang digunakan antara lain Metode Support Vector Machine dan Na�¯ve Bayes Classifier. Support Vector Machine atau biasa disingkat SVM adalah sebuah metode yang berakar pada teori pembelajaran statistik dan telah menunjukkan hasil empiris yang menjanjikan dalam berbagai aplikasi praktis dari pengenalan digit tulisan sampai kategorisasi teks. Sedangkan Na�¯ve Bayes Classifier adalah metode salah satu metode yang menggunakan perhitungan probabilitas. Kelebihan Na�¯ve Bayes Classifier selain menghasilkan akurasi yang baik adalah implementasinya yang relatif. Untuk mendukung performasi yang cepat maka untuk basis data nya menggunakan NoSQL Mongodb. Setelah dilakukan pengujian, dapat disimpulkan bahwa aplikasi yang telah dibangun layak untuk digunakan oleh pihak PT. Maicih Inti Sinergi karena sudah dapat meretrieval data relevan dengan tidak relevan dengan cukup baik serta dapat mengklasifikasikan tweet positif dengan negatif dengan cukup baik.

Item Type: Article
Uncontrolled Keywords: Maicih, Analisis Sentimen, Support Vector Machine, Na�¯ve Bayes Classifier.
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: M.Kom Taryana Suryana
Date Deposited: 16 Nov 2016 08:07
Last Modified: 16 Nov 2016 08:07
URI: https://repository.unikom.ac.id/id/eprint/27043

Actions (login required)

View Item View Item