Komparasi crisp-dm dan semma sebagai metode Data mining dalam klasifikasi analisis Sentimen twitter terhadap ibu kota nusantara

Thansa, Andre (2025) Komparasi crisp-dm dan semma sebagai metode Data mining dalam klasifikasi analisis Sentimen twitter terhadap ibu kota nusantara. Undergraduate thesis, Politeknik Negeri Jember.

	Text (Abstract) abstract.pdf - Submitted Version Available under License Creative Commons Attribution Share Alike. Download (7kB)
	Text (Bab 1 Pendahuluan) bab 1.pdf - Submitted Version Available under License Creative Commons Attribution Non-commercial Share Alike. Download (150kB)
	Text (Daftar Pustaka) daftar pustaka.pdf - Submitted Version Available under License Creative Commons Attribution Share Alike. Download (236kB)
	Text (Laporan Lengkap) Skripsi_Andre Kharisma Dwi Thansa-E41210734.pdf - Submitted Version Restricted to Registered users only Download (2MB) | Request a copy

Abstract

Pemerintah Indonesia telah menetapkan pembangunan Ibu Kota Nusantara (IKN) sebagai upaya mengatasi permasalahan Jakarta. Program tersebut memunculkan beragam opini public, baik positif maupun negatif. Media sosial, khususnya Twitter, menjadi sumber data yang potensial dalam menganalisis sentimen masyarakat terhadap kebijakan ini. penelitian ini bertujuan mengidentifikasi keunggulan dan kelemahan dari setiap metode ketika diterapkan pada analisis sentimen Twitter. Dalam penelitian ini digunakan dua pendekatan data mining, yaitu CRISP-DM dan SEMMA, yang masing-masing menunjukan performa yang hampir setara. Hasil dari metode CRISP-DM menunjukan performa yang sedikit lebih baik dibandingkan dengan metode SEMMA dalam analisis sentimen terhadap Ibu Kota Nusantara (IKN). Metode CRISP-DM dan SEMMA dapat digunakan dalam analisis sentimen terhadap pembangunan IKN, masing-masing dengan pendekatan yang berbeda. CRISP-DM cenderung memberikan hasil klasifikasi yang seimbang antara sentimen positif dan negatif, namun prosesnya lebih kompleks dan memakan waktu. Sebaliknya, SEMMA lebih praktis dan cepat, khususnya dalam pengolahan data. Penelitian ini menunjukkan bahwa CRISP-DM cocok untuk analisis yang berorientasi pada tujuan bisnis, sedangkan SEMMA lebih sesuai untuk analisis teknis yang membutuhkan efisiensi, sehingga dapat menjadi referensi bagi studi serupa di masa depan.

Actions (login required)

View Item