Implementasi Naïve Bayes Classifier (Nbc) Untuk Menganalisis Sentimen Ulasan Film “Everything Everywhere All At Once” Di Twitter

Aldi Florensius Gea, . (2024) Implementasi Naïve Bayes Classifier (Nbc) Untuk Menganalisis Sentimen Ulasan Film “Everything Everywhere All At Once” Di Twitter. Other thesis, Universitas Pamulang.

	Text COVER.pdf Restricted to Registered users only Download (1MB)
	Text BAB I.pdf Restricted to Registered users only Download (156kB)
	Text BAB II.pdf Restricted to Registered users only Download (627kB)
	Text BAB III.pdf Restricted to Registered users only Download (99kB)
	Text BAB IV.pdf Restricted to Registered users only Download (702kB)
	Text BAB V.pdf Restricted to Registered users only Download (79kB)
	Text JURNAL.pdf Restricted to Registered users only Download (514kB)

Abstract

Media sosial telah menjadi platform penting dalam komunikasi modern, memungkinkan jutaan pengguna untuk berbagi informasi dan pandangan mereka. Di Indonesia, Twitter adalah salah satu media sosial yang paling populer, memungkinkan pesan singkat dan cepat tersebar luas, menjadikannya sumber informasi yang kaya dan beragam. Melalui Twitter, berbagai informasi dari masyarakat dapat diakses dan dikumpulkan, termasuk data yang dapat diolah untuk analisis sentimen. Penelitian ini bertujuan untuk mendapatkan nilai akurasi klasifikasi berbentuk confusion matrix pada ulasan film “Everything Everywhere All at Once” di Twitter menggunakan metode Naïve Bayes Classifier (NBC), mengetahui hasil penerapan metode NBC dalam mengklasifikasikan data ulasan film menjadi label kelas positif dan negatif, serta visualisasi persepsi positif dan negatif pada film tersebut. Data yang digunakan dalam penelitian ini berjumlah 2148 tweet yang dikumpulkan dalam rentang waktu dari 1 Juli 2022 hingga 16 Desember 2023. Hasil analisis menunjukkan bahwa model NBC memiliki akurasi sebesar 73%, dengan data ulasan terbagi menjadi 1388 ulasan positif dan 760 ulasan negatif. Visualisasi dalam bentuk wordcloud menggambarkan kata-kata yang paling sering muncul dalam ulasan, seperti “everything,” “everywhere,” “all,” “at,” “once,” “bagus,” “seneng,” dan “recommended” untuk ulasan positif, serta “ngantuk,” “tidur,” dan “bingung” untuk ulasan negatif. Hasil penelitian ini diharapkan dapat memberikan wawasan bagi pembuat film, peneliti, dan pengembang teknologi dalam memahami persepsi publik terhadap film melalui media sosial. Kata Kunci: Analisis sentimen, Confusion Matrix, Film, Naïve Bayes Classifier, Twitter.

Item Type:	Thesis (Other)
Uncontrolled Keywords:	Analisis sentimen, Confusion Matrix, Film, Naïve Bayes Classifier, Twitter.
Subjects:	Q Science > QA Mathematics
Divisions:	Faculty of Engineering, Science and Mathematics > School of Mathematics
Depositing User:	Yeni Ratnasari
Date Deposited:	18 Oct 2024 04:17
Last Modified:	18 Oct 2024 04:17
URI:	http://repository.unpam.ac.id/id/eprint/14578

Actions (login required)

View Item