Thoriq, Edgar Maulana (2021) Analisis Sentimen Opini Publik Pada Media Sosial Twitter Terhadap Vaksin Covid-19 Menggunakan Algoritma Support Vector Machine Dan Term Frequency – Inverse Document Frequency. Sarjana thesis, Universitas Brawijaya.
Abstract
"Media sosial adalah suatu wadah bagi masyarakat untuk menyampaikan aspirasi, ide, bahkan kritik mereka. Salah satu kebijakan yang dibuat baru-baru ini oleh pemerintah adalah pemberian vaksin COVID-19. Kebijakan tersebut ramai diperbincangkan di media sosial Twitter dan cukup menuai banyak pendapat yang beragam di masyarakat. Twitter merupakan media sosial yang memiliki basis pengguna cukup besar di Indonesia, dimana mayoritas dari penggunanya menyampaikan opini mereka terkait pemberian vaksin COVID 19. Twitter disini dapat menjadi sebuah sumber data yang dapat dipergunakan untuk melakukan analisis sentimen terhadap kebijakan pemerintah tersebut dengan mengklasifikasikan tweet (istilah konten didalam Twitter) kedalam kategori positif atau negatif. Proses klasifikasi dilakukan dengan menggunakan algoritma klasifikasi yaitu Support Vector Machine dan pembobotan kata dengan menggunakan metode Term Frequency – Inverse Document Frequency (TF-IDF). Penelitian ini menggunakan data sebanyak 450 tweet, kemudian pengujian dilakukan dengan menggunakan metode cross validation dengan jumlah fold = 10. Performa terbaik dari algoritma klasifikasi yang diperoleh adalah accuracy sebesar 86%, precision sebesar 88%, recall sebesar 82%, dan f measure sebesar 85%. Nilai dari performa tersebut diperoleh dengan nilai C sebesar 1 dan nilai iterasi maksimum sebesar 300. "
English Abstract
Social media is a place for people to express their aspirations, ideas, and even their critics. One of the policies made recently by the government is the provision of COVID-19 vaccine. This policy has been widely discussed on Twitter and attracted a lot of diverse opinions in the society. Twitter is a social media that has a fairly large user base in Indonesia, where many users share their opinions regarding the provision of COVID-19 vaccine. Twitter can be a source of data that can be used to conduct sentiment analysis on government policies by classifying tweets (a term for content in Twitter) into positive or negative categories. The classification process is utilizing a classification algorithm, namely Support Vector Machine and term weighting namely Term Frequency – Inverse Document Frequency (TF-IDF) method. This study uses 450 tweets, then testing is carried out using the cross validation method with number of fold = 10. Best performance of the classification algorithm is 86% accuracy, 88% precision, 82% recall, and 85% f-measure. Value of the performance is obtained with value C of 1 and the maximum iteration of 300.
Other obstract
-
| Item Type: | Thesis (Sarjana) |
|---|---|
| Identification Number: | 152115 |
| Uncontrolled Keywords: | analisis sentimen, vaksin covid-19, klasifikasi, support vector machine, TF-IDF, sentiment analysis, covid-19 vaccine, classification, support vector machine, TF-IDF |
| Subjects: | 000 Computer science, information and general works > 004 Computer science |
| Divisions: | Fakultas Ilmu Komputer > Sistem Informasi |
| Depositing User: | Unnamed user with username rizky |
| Date Deposited: | 22 Oct 2021 07:03 |
| Last Modified: | 23 Sep 2024 06:29 |
| URI: | http://repository.ub.ac.id/id/eprint/184314 |
![[thumbnail of EDGAR MAULANA THORIQ.pdf]](http://repository.ub.ac.id/style/images/fileicons/text.png) |
Text
EDGAR MAULANA THORIQ.pdf Download (2MB) |
Actions (login required)
 |
View Item |