Rizqullah, Naufal (2023) Pengembangan teknologi analisis sentimen untuk Kementerian Agama menggunakan Reinforced Multinomial Naïve Bayes Classifier. Sarjana thesis, UIN Sunan Gunung Djati Bandung.
|
Text (COVER)
Cover - Watermarked.pdf Download (161kB) | Preview |
|
|
Text (ABSTRAK)
Abstrak - Watermarked.pdf Download (29kB) | Preview |
|
|
Text (DAFTAR ISI)
Daftar Isi - Watermarked.pdf Download (456kB) | Preview |
|
|
Text (BAB I)
BAB I - Watermarked.pdf Download (526kB) | Preview |
|
![[img]](https://digilib.uinsgd.ac.id/style/images/fileicons/text.png) |
Text (BAB II)
BAB II - Watermarked.pdf Restricted to Registered users only Download (487kB) |
|
|
Text (BAB III)
BAB III - Watermarked.pdf Restricted to Registered users only Download (299kB) |
|
|
Text (BAB IV)
BAB IV - Watermarked.pdf Restricted to Registered users only Download (1MB) |
|
|
Text (BAB V)
BAB V - Watermarked.pdf Restricted to Registered users only Download (145kB) |
|
|
Text (DAFTAR PUSTAKA)
Daftar Pustaka - Watermarked.pdf Restricted to Registered users only Download (159kB) |
Abstract
Sosial media merupakan sarana bagi masyarakat untuk mengekpresikan opininya secara bebas. Kementerian Agama Republik Indonesia membutuhkan media untuk mengetahui respon masyarakat terhadap gagasan atau program yang diangkat secara praktikal dan cepat. Dalam hal ini media sosial dapat dimanfaatkan untuk mendapatkan respon masyarakat berupa analisis sentimen secara langsung dengan cepat. Perkembangan teknologi terutama dalam bidang pembelajaran mesin tentunya dapat melakukan hal tersebut. Algoritma Multinomial Naïve Bayes Classifier dipilih menjadi algoritma yang diterapkan karena mudah dan kesederhanaannya dalam melakukan kapasitas tugas analisis sentimen yang dibutuhkan. Dataset yang digunakan pada penelitian ini berasal dari twitter dengan jumlah sebanyak 17.708 tweet. Pada aplikasi analisis sentimen yang dibuat juga akan diterapkan metode reinforcement learning untuk memberikan kemampuan analisis dengan input yang dinamis. Hasil dari penelitian ini mendapatkan akurasi terbaik sebesar 75% dengan nilai presisi untuk sentimen negatif 65%, sentimen netral 90%, dan sentimen positif sebesar 61%. Selain itu nilai recall untuk sentimen negatif adalah 91%, sentimen netral 71%, dan setimen positif 71% dengan f1-score untuk sentimen negatif adalah 76%, sentimen netral adalah 79%, dan untuk sentimen positif adalah 66%.
| Item Type: | Thesis (Sarjana) |
|---|---|
| Uncontrolled Keywords: | Analisis Sentimen; Media Sosial; Multinomial Naïve Bayes; Reinforcement Learning; Machine Learning; CRISP-DM; |
| Subjects: | Special Computer Methods > Online Social Network Technology, Applied Sciences |
| Divisions: | Fakultas Sains dan Teknologi > Program Studi Teknik Informatika |
| Depositing User: | Naufal Rizqullah |
| Date Deposited: | 07 Feb 2024 07:12 |
| Last Modified: | 07 Feb 2024 07:12 |
| URI: | https://digilib.uinsgd.ac.id/id/eprint/84806 |
Actions (login required)
 |
View Item |
