Analisis sentimen terhadap pembelajaran tatap muka pada era pandemi covid-19 menggunakan algoritma random Forest

Sadi, Nurul Rachmayani (2021) Analisis sentimen terhadap pembelajaran tatap muka pada era pandemi covid-19 menggunakan algoritma random Forest. Sarjana thesis, UIN Sunan Gunung Djati Bandung.

[img]
Preview
Text (COVER)
1_cover.pdf

Download (104kB) | Preview
[img]
Preview
Text (ABSTRAK)
2_abstrak.pdf

Download (140kB) | Preview
[img]
Preview
Text (DAFTAR ISI)
3_daftarisi.pdf

Download (102kB) | Preview
[img]
Preview
Text (BAB I)
4_bab1.pdf

Download (324kB) | Preview
[img] Text (BAB II)
5_bab2.pdf
Restricted to Registered users only

Download (380kB) | Request a copy
[img] Text (BAB III)
6_bab3.pdf
Restricted to Registered users only

Download (378kB) | Request a copy
[img] Text (BAB IV)
7_bab4.pdf
Restricted to Registered users only

Download (708kB) | Request a copy
[img] Text (BAB V)
8_bab5.pdf
Restricted to Registered users only

Download (158kB) | Request a copy
[img] Text (DAFTAR PUSTAKA)
9_daftarpustaka.pdf
Restricted to Registered users only

Download (168kB) | Request a copy

Abstract

Pandemi karena Virus Corona telah ditetapkan oleh WHO sejak maret 2020 yang menyebabkan kegiatan sekolah harus dilakukan secara daring dirumah, namun Januari 2021 pemerintah telah memperbolehkan PTM (Pembelajaran Tatap Muka) dengan bersyarat. Mengingat pentingnya sekolah namun dalam keterbatasan dan kondisi pandemi, memunculkan adanya pro dan kontra dalam berbagai kalangan. Tujuan penelitian untuk mengetahui bagaimana opini masyarakat mengenai adanya sekolah PTM berdasarkan pendapat di twitter dengan pengaplikasian algoritma Random Forest. Klasifikasi sentimen dilakukan setelah data melalui proses preprocessing dan pembobotan kata dengan menggunakan metode TFIDF. Cross validation dan confusion matrix dilakukan untuk pengujian dan evaluasi kinerja dari algoritma Random Forest. Data dengan perbandingan 41,6% bernilai negatif dan 58,4% merupakan data positif. Memiliki hasil dengan nilai rata-rata precision 74%, nilai recall dan f1-score sebesar 68%, dengan nilai akurasi sebesar 76%. Nilai performa algoritma didapatkan dari nilai f1-score, dengan besar nilai performa 68% dapat dikatakan bahwa algoritma random forest cukup baik digunakan untuk analisis sentimen

Item Type: Thesis (Sarjana)
Uncontrolled Keywords: Analisis Sentimen; Random Forest; Twitter
Subjects: Data Processing, Computer Science
Data Processing, Computer Science > Systems Analysis and Computer Design
Divisions: Fakultas Sains dan Teknologi > Program Studi Teknik Informatika
Depositing User: Nurul Rachmayani Sadi
Date Deposited: 16 Dec 2021 03:53
Last Modified: 16 Dec 2021 03:53
URI: https://digilib.uinsgd.ac.id/id/eprint/46882

Actions (login required)

View Item View Item