Alvianda, Ferdi (2018) Analisis Sentimen Konten Radikal Di Media Sosial Twitter Menggunakan Metode Support Vector Machine (SVM). Sarjana thesis, Universitas Brawijaya.
Abstract
Di Indonesia akhir-akhir ini terjadi teror bom yang dilakukan orang-orang berpaham radikal. Orang-orang berpaham radikal kian hari kian bertambah jumlahnya dikarenakan orang-orang tersebut menyebarkan paham radikal kepada orang lain. Penyebaran konten radikal bisa dilakukan melalui media sosial, salah satunya adalah Twitter. Oleh sebab itu dilakukan penelitian terhadap konten radikal di media sosial Twitter. Dokumen Twitter yang berupa tweet radikal diklasifikasikan menjadi dua kategori, yaitu konten radikal positif dan konten radikal negatif. Metode yang digunakan pada penelitian ini adalah Support Vector Machine (SVM) dengan kernel Polynomial Degree 2. Tingkat akurasi tertinggi yang dihasilkan dari penelitian ini adalah 70% dengan nilai parameter λ sebesar 0,1, nilai konstanta γ sebesar 0,1, iterasi maksimum 5 dengan data latih sebanyak 80 dokumen (60 dokumen negatif dan 20 dokumen positif) untuk data latih dan 20 dokumen (15 dokumen negatif dan 5 dokumen positif) untuk data uji.
English Abstract
Lately, there are many terrorist threats by the radicals in Indonesia. Radicals keep growing by numbers each day as they share their radical beliefs to other people. These radical beliefs can be shared through social media, such as Twitter. Therefore, a research regarding that problem is conducted. Documents of Twitter that contain radical tweets are classified to two categories, positive radical content and negative radical content. The method used for this research is Support Vector Machine (SVM) with Polynomial Degree Kernel. The highest accuracy rate achieved from this research is 70% with the parameter value of λ is 0,1, constant value of γ is 0,1, maximum iteration of 5 with training data sets of 80 documents (60 negative documents and 20 positive documents) as training data sets and 20 documents (15 negative documents and 5 positive documents) as testing data sets.
| Item Type: | Thesis (Sarjana) |
|---|---|
| Identification Number: | SKR/FTIK/2018/686/051808599 |
| Uncontrolled Keywords: | Analisis Sentimen, Twitter, Support Vector Machine (SVM). Sentiment Analysis, Twitter, Support Vector Machine (SVM). |
| Subjects: | 000 Computer science, information and general works > 006 Special computer methods > 006.7 Multimedia systems > 006.75 Specific types of multimedia systems > 006.754 Online social networks |
| Divisions: | Fakultas Ilmu Komputer > Teknik Informatika |
| Depositing User: | Budi Wahyono Wahyono |
| Date Deposited: | 08 May 2019 01:43 |
| Last Modified: | 22 Oct 2021 02:05 |
| URI: | http://repository.ub.ac.id/id/eprint/162099 |
Preview |
Text
Ferdi Alvianda.pdf Download (2MB) | Preview |
Actions (login required)
 |
View Item |