Universitas Stikubank (Unisbank) Semarang Repository

ANALISIS SENTIMEN PADA MEDIA SOSIAL TWITTER MENGGUNAKAN TEXT MINING DENGAN ALGORITMA NAÏVE BAYES CLASSIFIER

SUDIANTORO, ADHI VIKY (2018) ANALISIS SENTIMEN PADA MEDIA SOSIAL TWITTER MENGGUNAKAN TEXT MINING DENGAN ALGORITMA NAÏVE BAYES CLASSIFIER. Undergraduate thesis, UNISBANK SEMARANG.

[img] PDF
Restricted to Repository staff only

Download (3MB)

Abstract

Abstrak – Analisis sentimen atau bisa disebut juga opinion mining merupakan proses memahami, mengekstrak dan mengolah data tekstual secara otomatis untuk mendapatkan informasi sentimen yang terkandung dalam suatu kalimat opini terhadap sebuah masalah atau objek oleh seseorang. Penelitian ini bertujuan untuk mengklasifikasi data tweet menjadi 2 sentimen yaitu positif dan negatif. Data yang digunakan berjumlah 300 data tweet yang didibagi menjadi 2 yaitu untuk data latih sebanyak 200 data dan 100 data untuk data uji. Pengklasifikasian data tweet menggunakan text mining dengan Naïve Bayes Classifier. Sebelum klasifikasi, dilakukan beberapa tahap pemrosesan teks seperti case folding, normalisasi, tokenisasi dan stopwords removal. Hasil dari 100 data uji yang klasifikasi menghasilkan 32 data bersentimen positif dan sebanyak 68 data sentimen negatif. Dapat diartikan bahwa 100 data uji yang diklasifikasi masuk dalam kategori bersentimen negatif dikarenakan data positif lebih kecil daripada data yang bersentimen negatif. Adapun nilai akurasi algoritma Naïve Bayes Classifier memberikan nilai akurasi sebesar 84%.

Item Type: Thesis (Undergraduate)
Additional Information: Nim : 14.01.55.0058 SKR.I.05.02.1766
Uncontrolled Keywords: Analisis sentimen, Text Mining, Naïve Bayes Classifier, klasifikasi, twitter..
Subjects: Q Science > QA Mathematics
Q Science > QA Mathematics > QA76 Computer software
Faculty / Institution: Fakultas Teknologi Informasi > Program Studi Sistem Informasi
Depositing User: Nur Cholifah
Date Deposited: 26 Nov 2018 03:11
Last Modified: 26 Nov 2018 03:11
URI: https://eprints.unisbank.ac.id/id/eprint/5178

Actions (login required)

View Item View Item