Sa'rony, Akhmad (2020) Analisis Sentimen Kebijakan Pemindahan Ibukota Republik Indonesia dengan Menggunakan Algoritme Term-Based Random Sampling dan Metode Klasifikasi Naïve Bayes. Sarjana thesis, Universitas Brawijaya.
Abstract
Kebijakan pemindahan Ibukota Republik Indonesia yang telah dicanangkan oleh Presiden Joko Widodo pada bulan Agustus lalu banyak menimbulkan pro dan kontra di masyarakat, terutama dalam lingkungan media sosial. Dalam penelitian ini dilakukan analisis sentimen terhadap kebijakan tersebut dengan menggunakan data yang didapatkan dari media sosial Twitter. Proses pengembangan sistem meliputi data scraping, preprocessing, perhitungan raw term frequency dan klasifikasi dengan menggunakan algoritme Naïve Bayes. Dalam preprocessing, proses filtering dilakukan dengan menggunakan metode term-based random sampling untuk membuat stoplist. Pengujian dilakukan dengan 2 metode yaitu pengujian parameter dan confusion matrix berjenis multiclass. Pengujian parameter dilakukan dengan mengubah persentase term data latih yang digunakan sebagai stoplist yaitu dari rentang 0 persen hingga 60 persen, sedangkan confusion matrix digunakan untuk menghitung nilai akurasi, precision, recall, dan f-measure. Berdasarkan confusion matrix hasil pengujian, sistem mendapatkan nilai macroaverage terbaik pada klasifikasi dengan stoplist 20 persen dengan nilai macroaverage akurasi sebesar 0,94, macroaverage precision sebesar 0,945, macroaverage recall sebesar 0,94, dan macroaverage f-measure sebesar 0,938.
English Abstract
The capital city relocation policy of the Republic of Indonesia that was announced by President Joko Widodo last August caused many pros and cons in the community, especially in the social media environment. In this study, sentiment analysis of the policy is done using data obtained from Twitter. The system development process includes data scraping, preprocessing, Raw term frequency calculation and classification using the Naïve Bayes algorithm. In preprocessing, the filtering process is done using the term-based random sampling method to create a stoplist. The testing process is done by 2 methods, parameter testing and multiclass confusion matrix testing. Parameter testing is done by changing the percentage of term of the training data used as a stoplist, ranging from 0 percent to 60 percent, while the confusion matrix is used to calculate the value of accuracy, precision, recall, and f-measure. Based on the confusion matrix test results, the system gets the best macroaverage value in the classification with a stoplist of 20 percent with an accuracy macroaverage value of 0.94, precision macroaverage value of 0.945, recall macroaverage value of 0.94, and f-measure macroaverage value of 0.938.
Other obstract
-
Item Type: | Thesis (Sarjana) |
---|---|
Identification Number: | SKR/FILKOM/2020/58/052003020 |
Uncontrolled Keywords: | analisis sentimen, term-based random sampling, stoplist, naïve bayes, pemindahan Ibukota, sentiment analysis, term-based random sampling, stoplist, naïve bayes, capital city relocation |
Subjects: | 000 Computer science, information and general works > 001 Knowledge > 001.012 Classification |
Divisions: | Fakultas Ilmu Komputer > Teknik Informatika |
Depositing User: | Budi Wahyono Wahyono |
Date Deposited: | 05 Aug 2020 08:15 |
Last Modified: | 12 Jan 2023 02:27 |
URI: | http://repository.ub.ac.id/id/eprint/180594 |
Text (DALAM MASA EMBARGO)
Akhmad Sa'rony.pdf Restricted to Registered users only until 31 December 2023. Download (10MB) |
Actions (login required)
View Item |