ANALISA SENTIMEN PENGGUNA MEDIA SOSIAL TWITTER TENTANG PPKM DENGAN METODE DECISION TREE DAN NAIVE BAYES

Arief Sutrisno, 201769040011 (2021) ANALISA SENTIMEN PENGGUNA MEDIA SOSIAL TWITTER TENTANG PPKM DENGAN METODE DECISION TREE DAN NAIVE BAYES. Sarjana thesis, Universitas Yudharta.

	Text (BAB I.pdf) 201769040011_BAB I.pdf Download (207kB)
	Text (BAB II.pdf) 201769040011_BAB II.pdf Restricted to Registered users only Download (676kB) \| Request a copy
	Text (BAB III.pdf) 201769040011_BAB III.pdf Restricted to Registered users only Download (378kB) \| Request a copy
	Text (BAB IV.pdf) 201769040011_BAB IV.pdf Restricted to Registered users only Download (561kB) \| Request a copy
	Text (BAB V.pdf) 201769040011_BAB V.pdf Restricted to Registered users only Download (193kB) \| Request a copy
	Text (COVER DEPAN.pdf) 201769040011_COVER DEPAN.pdf Download (400kB)
	Text (DAFTAR PUSTAKA.pdf) 201769040011_DAFTAR PUSTAKA.pdf Download (405kB)
	Text (LAMPIRAN - LAMPIRAN.pdf) 201769040011_LAMPIRAN - LAMPIRAN.pdf Download (241kB)

Abstract

COVID-19 atau Coronavirus disease 2019 menjadi pandemik yang menyebar secara cepat ke seluruh dunia pada saat ini. Berbagai kebijakan dan penanganan sudah dilakukan yaitu Pemberlakuan Pembatasan Kerja Masyarakat atau yang sering disebut PPKM dikeluarkan pemerintah. Saat ini PPKM menjadi sebuah topik perbincangan bagi masyarakat di media sosial. Twitter ialah microbloging yang penggunanya banyak melakukan interaksi serta mengatakan pendapatnya( tweet) tentang topik tertentu. Banyaknya pengguna yang memposting pendapatnya, maka perlu adanya analisis sentimen. Pada penelitian ini bertujuan bagaimana sentimen masyarakat terhadap PPKM yang saat ini diterapkan pemerintah melalui komentar di media sosial yaitu Twitter. Data dari penelitian ini diambil dari crawling dari API Twitter. Pengujian pada penelitian ini menggunakan data traning sebanyak 80% dan data testing 20%. Pengujian menggunakan data sebanyak 200 tweet terdiri dari 100 tweet bersentimen positif dan 100 tweet bersentimen negatif. Akurasi yang diperoleh sebesar 85% untuk Dicision Tree dan 95% untuk NaÃƒÆ’Ã‚Â¯ve Bayes.

Item Type:

Thesis (Sarjana)

Contributors: