Harli, Kennyo Gendis (2025) Analisis Sentimen Tweet Menjelang Pilpres 2024 Menggunakan Metode Naive Bayes Classifier. Undergraduate thesis, Politeknik Negeri Jember.
![[img]](https://sipora.polije.ac.id/style/images/fileicons/text.png) |
Text (Abstract)
Abstract.pdf - Submitted Version Available under License Creative Commons Attribution Share Alike. Download (231kB) |
|
Text (Bab 1 Pendahuluan)
Bab 1 Pendahuluan.pdf - Submitted Version Available under License Creative Commons Attribution Share Alike. Download (233kB) |
|
Text (Daftar Pustaka)
Daftar Pustaka.pdf - Submitted Version Available under License Creative Commons Attribution Share Alike. Download (194kB) |
|
Text (Laporan Lengkap)
Laporan Lengkap.pdf - Submitted Version Restricted to Registered users only Download (10MB) | Request a copy |
Abstract
Penelitian ini bertujuan untuk menganalisis sentimen dari tweet pengguna Twitter/X terkait Pemilihan Presiden (Pilpres) 2024 menggunakan metode Naïve Bayes Classifier (NBC). Dalam era digital saat ini, media sosial menjadi salah satu sumber informasi utama dalam memahami opini publik terhadap isu-isu politik. Metode Naïve Bayes Classifier dipilih karena keefektifannya dalam mengklasifikasikan teks berdasarkan probabilitas dan hubungan antar kata. Data dikumpulkan melalui teknik crawling dengan menggunakan kata kunci yang berkaitan dengan Pilpres 2024, meliputi berbagai aspek seperti dukungan terhadap calon, kritik politik, dan isu-isu pemilu. Dari proses crawling tersebut, diperoleh sebanyak 4.818 tweet, yang terdiri atas 1.579 tweet dengan sentimen positif, 1.432 tweet dengan sentimen negatif, dan 1.807 tweet dengan sentimen netral. Proses analisis sentimen dilakukan melalui beberapa tahapan, yaitu preprocessing data, pelatihan model Naïve Bayes, serta evaluasi hasil klasifikasi. Hasil penelitian menunjukkan bahwa model yang dikembangkan memiliki tingkat akurasi sebesar 77%, precision sebesar 77%, recall sebesar 76%, dan F1-score sebesar 77%. Evaluasi dilakukan dengan pembagian data latih dan data uji masing-masing sebesar 80% dan 20% dari total 4.818 tweet.
| Item Type: | Thesis (Undergraduate) | ||||||
|---|---|---|---|---|---|---|---|
| Contributors: |
|
||||||
| Uncontrolled Keywords: | Analisis Sentimen, Twitter/X, Naïve Bayes Classifier, Pemilihan Presiden 2024, Crawling Data, Machine Learning. | ||||||
| Subjects: | 410 - Rumpun Ilmu Teknik > 450 - Teknik Elektro dan Informatika > 458 - Teknik Informatika 410 - Rumpun Ilmu Teknik > 450 - Teknik Elektro dan Informatika > 461 - Sistem Informasi 410 - Rumpun Ilmu Teknik > 450 - Teknik Elektro dan Informatika > 462 - Teknologi Informasi |
||||||
| Divisions: | Jurusan Teknologi Informasi > Prodi D4 Teknik Informatika > Tugas Akhir | ||||||
| Depositing User: | Kennyo Gendis Putri Harli | ||||||
| Date Deposited: | 13 Jun 2025 07:58 | ||||||
| Last Modified: | 13 Jun 2025 07:58 | ||||||
| URI: | https://sipora.polije.ac.id/id/eprint/41838 |
Actions (login required)
 |
View Item |
