Analisis Sentimen Pembangunan Ikn (Ibu Kota Nusantara) Pada Twitter Menggunakan Metode K-Nearest Neighbor, Naive Bayes Dan Support Vector Machines

Yossy Veiebrian Fitri Prasmono, . (2024) Analisis Sentimen Pembangunan Ikn (Ibu Kota Nusantara) Pada Twitter Menggunakan Metode K-Nearest Neighbor, Naive Bayes Dan Support Vector Machines. Masters thesis, Universitas Pamulang.

	Text COVER.pdf Restricted to Registered users only Download (758kB)
	Text BAB I.pdf Restricted to Registered users only Download (29kB)
	Text BAB II.pdf Restricted to Registered users only Download (681kB)
	Text BAB III.pdf Restricted to Registered users only Download (212kB)
	Text BAB IV.pdf Restricted to Registered users only Download (1MB)
	Text BAB V.pdf Restricted to Registered users only Download (11kB)
	Text JURNAL.pdf Restricted to Registered users only Download (588kB)

Abstract

Penelitian ini berfokus pada Ibu Kota Nusantara (IKN). Pemindahan Ibu Kota Nusantara (IKN) menimbulkan berbagai macam pro dan kontra. Mulai dari pemilihan lokasi, pengesahan Undang-Undang yang dinilai terlalu terburu-buru, dan akhir-akhir ini pemerintahan juga mengajak masyarakat Indonesia membantu mendukung untuk membangun Ibu Kota Nusantara. Salah satu cara untuk mengetahui pendapat masyarakat Indonesia mengenai pemindahan Ibu Kota Nusantara (IKN) dengan melakukan analisis sentimen dari data tweet yang telah didapatkan. Pada penelitian ini, analisis sentimen diambil dari komentar pengguna media sosial Twitter terhadap pemindahan Ibu Kota Nusantara (IKN) sebanyak 502 tweet, setelah dilakukan data cleaning, dengan sentimen positif sebanyak 337 tweet positif dan 163 tweet negatif. Data tersebut diekstrasi menggunakan algoritma Support Vector Machine (SVM), Naive Bayes (NB), dan K-Nearest Neighbor (K-NN), dan feature selection dengan algoritma Particle Swarm Optimization (PSO). Penelitian ini membandingkan metode Naive Bayes, Support Vector Machines, dan K-Nearest Neighbor tanpa menggunakan feature selection dengan metode Support Vector Machines, Naive Bayes, dan K-Nearest Neighbor yang menggunakan feature selection serta membandingkan nilai Area Under Curve (AUC) dari metode-metode tersebut untuk mengetahui algoritma yang paling optimal. Hasil pengujian mendapatkan hasil bahwa aplikasi optimasi terbaik dalam model ini adalah algoritma Particle Swarm Optimization (PSO) berbasis Support Vector Machines dengan nilai akurasi sebesar 97,63% dengan AUC sebesar 0,997 Penelitian ini berhasil mendapatkan algoritma yang efektif dan terbaik dalam mengklasifikasikan komentar positif dan komentar negatif terkait dengan pemindahan Ibu Kota Nusantara (IKN).

Item Type:	Thesis (Masters)
Uncontrolled Keywords:	Ibu Kota Nusantara, IKN, Analisis Sentimen, Naive Bayes, K-Nearest Neighbor, Support Vector Machines, Twitter
Subjects:	Q Science > QA Mathematics > QA75 Electronic computers. Computer science
Divisions:	Faculty of Engineering, Science and Mathematics > School of Electronics and Computer Science
Depositing User:	miko
Date Deposited:	25 Nov 2024 06:54
Last Modified:	25 Nov 2024 06:54
URI:	http://repository.unpam.ac.id/id/eprint/15332

Actions (login required)

View Item