ANALISIS SENTIMEN OPINI PUBLIK MENGENAI COVID-19 PADA MEDIA SOSIAL TWITTER MENGGUNAKAN METODE SUPPORT VECTOR MACHINE (SVM) PARAMETER TUNING

Novita Rizky Amalia, 3011710046 (2021) ANALISIS SENTIMEN OPINI PUBLIK MENGENAI COVID-19 PADA MEDIA SOSIAL TWITTER MENGGUNAKAN METODE SUPPORT VECTOR MACHINE (SVM) PARAMETER TUNING. Undergraduate thesis, Universitas Internasional Semen Indonesia.

	Text (COVER) 0. COVER.pdf Download (214kB)
	Text (HALAMAN JUDUL) 1. HALAMAN JUDUL.pdf Download (209kB)
	Text (HALAMAN PENGESAHAN) 2. HALAMAN PENGESAHAN.pdf Restricted to Registered users only Download (259kB) | Request a copy
	Text (HALAMAN PERSETUJUAN PUBLIKASI) 3. HALAMAN PERSETUJUAN PUBLIKASI SKRIPSI.pdf Restricted to Repository staff only Download (268kB) | Request a copy
	Text (HALAMAN PERNYATAAN ORISINALITAS) 4. HALAMAN PERNYATAAN ORISINALITAS.pdf Restricted to Repository staff only Download (218kB) | Request a copy
	Text (ABSTRAK) 5. ABSTRAK.pdf Download (278kB)
	Text (KATA PENGANTAR) 6. KATA PENGANTAR.pdf Restricted to Repository staff only Download (206kB) | Request a copy
	Text (DAFTAR ISI) 7. DAFTAR ISI.pdf Download (222kB)
	Text (DAFTAR GAMBAR) 8. DAFTAR GAMBAR.pdf Restricted to Repository staff only Download (244kB) | Request a copy
	Text (DAFTAR TABEL) 9. DAFTAR TABEL.pdf Restricted to Repository staff only Download (242kB) | Request a copy
	Text (BAB I PENDAHULUAN) 10. BAB I PENDAHULUAN.pdf Download (286kB)
	Text (BAB II KAJIAN PUSTAKA) 11. BAB II KAJIAN PUSTAKA.pdf Restricted to Repository staff only Download (438kB) | Request a copy
	Text (BAB III METODOLOGI PENELITIAN) 12. BAB III METODOLOGI PENELITIAN.pdf Restricted to Repository staff only Download (799kB) | Request a copy
	Text (BAB IV HASIL DAN PEMBAHASAN) 13. BAB IV HASIL DAN PEMBAHASAN.pdf Restricted to Repository staff only Download (587kB) | Request a copy
	Text (BAB V PENUTUP) 14. BAB V PENUTUP.pdf Restricted to Repository staff only Download (207kB) | Request a copy
	Text (DAFTAR PUSTAKA) 15. DAFTAR PUSTAKA.pdf Download (274kB)
	Text (LAMPIRAN) 16. LAMPIRAN.pdf Restricted to Repository staff only Download (267kB) | Request a copy
	Text (FULLTEXT) 17. SKRIPSI - Novita Rizky Amalia (3011710046).pdf Restricted to Repository staff only Download (2MB) | Request a copy
	Text (FULLTEXT DOC) 18. SKRIPSI - Novita Rizky Amalia (3011710046).docx Restricted to Repository staff only Download (2MB) | Request a copy
	Text (JURNAL) JURNAL- Novita Rizky Amalia (3011710046).doc Restricted to Repository staff only Download (1MB) | Request a copy

Abstract

Sejak munculnya infeksi baru virus corona 2019 di Wuhan, China pada Desember2019, infeksi tersebut telah menyebar dengan cepat di Tiongkok dan banyak negara lainnya. Sejauh ini, 2019-nCoV telah mempengaruhi seluruh dunia telah mencapai 108.442.250 pasien dan telah menjadi kesehatan global utama. Banyak pendapat masyarakat tentang virus ini dan kebebasan mereka untuk mengutarakan pendapat di media sosial dapat menyebabkan penyebaran informasi yang salah. Penulisan ini dilakukan proses menganalisa sentimen masyarakat terhadap pendapat,opini serta pemikirannya yang disampaikan melalui Twitter menggunakan metode Support Vector Machine dengan Search Grid untuk mengklasifikasikan sentimen. Dengan pengumpulan data berupa tweet yang diperoleh dari Twitter menggunakan keyword seperti “covid19” atau “corona”. Dengan adanya analisis sentimen tersebut, nantinya akan memudahkan pengambilan kesimpulan akan pendapat masyarakat terhadap virus corona berupa pengelompokan sentimen positif,negatif atau netral dari setiap tweet yang sudah melewati tahap pre processing. Selain itu dapat menambah pengetahuan tentang bagaimana masyarakat menyikapi pandemi melalui aplikasi Twitter. Dari hasil akurasi algoritma yang digunakan dalam penelitian ini Support Vector Machine dengan Search Grid 99%, negatif recall 100%, netral recall 100%, positif recall 99%, negatif precision 100%, netral precision 99% dan positif precision 100%.

Item Type:	Thesis (Undergraduate)
Uncontrolled Keywords:	Analisis Sentimen , Support Vector Machine, Twitter
Contributors:	Contribution Name Email Thesis advisor Mohammad Arif Rasyidi, S.Kom., M.Sc. mohamad.rasyidi@uisi.ac.id
Subjects:	T Technology > T Technology (General)
Divisions:	Department of Informatics
Depositing User:	Novita Rizky Amalia
Date Deposited:	21 Sep 2021 12:00
Last Modified:	21 Sep 2021 12:00
URI:	https://repository.uisi.ac.id/id/eprint/1889

Actions (login required)

View Item