Fahrony, Moch. (2023) Analisis Sentimen Pengguna Twitter Terhadap Calon Presiden Tahun 2024 Dengan Metode Support Vector Machine(SVM). Undergraduate thesis, Politeknik Negeri Jember.
![[img]](https://sipora.polije.ac.id/style/images/fileicons/text.png) |
Text (Abstract)
08. ABTRACT.pdf - Submitted Version Available under License Creative Commons Attribution Share Alike. Download (8kB) |
|
Text (Bab 1 Pendahuluan)
16. BAB 1. PENDAHULUAN.pdf - Submitted Version Available under License Creative Commons Attribution Share Alike. Download (145kB) |
|
Text (Daftar Pustaka)
21. DAFTAR PUSTAKA.pdf - Submitted Version Available under License Creative Commons Attribution Share Alike. Download (243kB) |
|
Text (Laporan Lengkap)
E41190878_LAPORAN LENGKAP.pdf Restricted to Registered users only Download (4MB) | Request a copy |
Abstract
Twitter adalah salah satu media sosial paling populer di Indonesia dengan jumlah pengguna internet yang tinggi. Perkembangan media sosial seperti Twitter telah mengubah interaksi sosial masyarakat baik di dunia maya maupun di dunia nyata. Twitter juga telah menjadi tempat yang efektif untuk promosi dan kampanye politik. Analisis sentimen dilakukan untuk menganalisis opini atau pendapat pengguna Twitter mengenai calon Presiden RI 2024 yang dapat dijadikan sebagai parameter untuk menentukan menang atau kalahnya calon tersebut, oleh karena itu penulis melakukan penelitian terkait analisis sentimen pengguna Twitter terhadap capres 2024 dengan menggunakan metode Support Vector Machine. agar dapat menganalisis sentimen pengguna Twitter terhadap capres 2024 dengan beberapa golongan seperti sentimen positif, negatif dan netral. Pada penelitian ini penulis menggunakan dataset sebanyak 1420 sebagai data latih dan data uji. Berdasarkan data training, dilakukan klasifikasi dengan menggunakan metode Support Vector Machine (SVM) dan dilakukan testing terhadap data tersebut. Berdasarkan hasil penelitian yang dilakukan dengan pengujian Confusion Matrix, diperoleh akurasi tertinggi pada perbandingan data 80% : 20% dengan akurasi 75%. Dapat disimpulkan bahwa penelitian ini mengandalkan dataset dan data sharing, sehingga tingkat ketelitian dalam membaca data tes cukup berpengaruh.
| Item Type: | Thesis (Undergraduate) | ||||||
|---|---|---|---|---|---|---|---|
| Contributors: |
|
||||||
| Uncontrolled Keywords: | Klasifikasi, Data Mining, Twitter, Support Vector Machine (SVM), Text Mining | ||||||
| Subjects: | 410 - Rumpun Ilmu Teknik > 450 - Teknik Elektro dan Informatika > 458 - Teknik Informatika | ||||||
| Divisions: | Jurusan Teknologi Informasi > Prodi D3 Manajemen Informatika > Tugas Akhir | ||||||
| Depositing User: | Moch. Fahrony | ||||||
| Date Deposited: | 26 Jul 2023 04:29 | ||||||
| Last Modified: | 26 Jul 2023 04:30 | ||||||
| URI: | https://sipora.polije.ac.id/id/eprint/25428 |
Actions (login required)
 |
View Item |
