Analisis sentimen kebijakan publik menggunakan algoritma Naive Bayes

Aristianti, Tia (2020) Analisis sentimen kebijakan publik menggunakan algoritma Naive Bayes. Diploma thesis, UIN Sunan Gunung Djati Bandung.

Preview	Text (COVER) 1_cover.pdf Download (98kB) | Preview
Preview	Text (ABSTRAK) 2_abstrak.pdf Download (127kB) | Preview
Preview	Text (DAFTAR ISI) 3_daftarisi.pdf Download (72kB) | Preview
Preview	Text (BAB I) 4_bab1.pdf Download (208kB) | Preview
	Text (BAB II) 5_bab2.pdf Restricted to Registered users only Download (326kB) | Request a copy
	Text (BAB III) 6_bab3.pdf Restricted to Registered users only Download (493kB) | Request a copy
	Text (BAB IV) 7_bab4.pdf Restricted to Registered users only Download (146kB) | Request a copy
	Text (BAB V) 8_bab5.pdf Restricted to Registered users only Download (178kB) | Request a copy
	Text (DAFTAR PUSTAKA) 9_daftarpustaka.pdf Restricted to Registered users only Download (128kB) | Request a copy

Abstract

INDONESIA : Analisis sentimen adalah bagian dari text mining, sasaran utamanya yaitu menganalisis data berupa teks untuk mengetahui apakah kalimat tersebut mengandung sentimen positif ataukah negatif. Pada era digital ini twitter merupakan salah satu platform social media yang banyak digunakan oleh masyarakat diseluruh dunia untuk menyampaikan opininya. Salah satunya mengenai kebijakan new normal yang saat ini banyak diperbincangkan. Untuk mengetahui opini masyarakat terhadap kasus tersebut bisa dilakukan dengan analisis sentiment. Maka dari itu tujuan diadakannya penelitian ini yaitu sistem yang dibangun mampu mengklasifikasikan kalimat beropini positif dan negatif terhadap tweet tentang new normal menggunakan algoritma multinomial naïve bayes dengan metode Cross Industry Standard Process for Data Mining (CRISP-DM). Dengan begitu dapat diketahui bagaimana pandangan masyarakat diseluruh dunia terhadap situasi new normal ini. Berdasarkan perhitungan akurasi dan error dari hasil klasifikasi maka dari 964 data uji diperoleh akurasi sebesar 90%. Hasil ini menunjukan bahwa algoritma multinomial naïve bayes dapat bekerja dengan baik dalam menentukan kalimat beropini positif dan negatif terhadap tweet mengenai new normal dengan persentase opini positif yang lebih besar. ENGLISH : Sentiment analysis is part of text mining, the main objective is to analyze data in the form of text to find out whether the sentence contains positive or negative sentiments. In this digital era, Twitter is a social media platform that is widely used by people around the world to express their opinions. One of them is regarding the new normal policy which is currently being discussed a lot. To find out the public opinion on this case, sentiment analysis can be done. Therefore, the aim of this research is that the system built is able to classify positive and negative opinionated sentences on tweets about new normal using the naïve Bayes multinomial algorithm with the Cross Industry Standard Process for Data Mining (CRISP-DM) method. That way it can be seen how the views of people around the world regarding this new normal situation. Based on the calculation of accuracy and error from the classification results, from the 1000 test data obtained an accuracy of 90.24%. These results indicate that the naïve Bayes multinomial algorithm can work well in determining positive and negative opinion sentences on tweets about new normal with a greater percentage of positive opinions.

Actions (login required)

View Item