Search for collections on Universitas Islam Negeri Sultan Syarif Kasim Riau Repository

PENERAPAN TEXT MINING TERHADAP BADAN PENYELENGGARA JAMINAN SOSIAL KESEHATAN UNTUK KLASIFIKASI SENTIMENT ANALYSIS

Riszki Fadillah, - (2021) PENERAPAN TEXT MINING TERHADAP BADAN PENYELENGGARA JAMINAN SOSIAL KESEHATAN UNTUK KLASIFIKASI SENTIMENT ANALYSIS. Skripsi thesis, Universitas Islam Negeri Sultan Syarif Kasim Riau.

[img] Text (BAB IV)
BAB IV Riszki Fadillah.pdf - Published Version
Restricted to Repository staff only

Download (1MB)
[img]
Preview
Text
Laporan BAB I - BAB V (Tanpa BAB IV) - Riszki Fadillah.pdf

Download (1MB) | Preview

Abstract

Twitter merupakan media sosial populer dengan pengguna aktif di seluruh dunia mencapai 145 juta dengan 500 tweet per harinya, dan Indonesia diklaim sebagai pengguna aktif harian twitter paling besar. Twitter digunakan oleh semua orang untuk menilai atau mengeluarkan pendapat mengenai sesuatu baik positif maupun negatif, memposting opini atau pendapat yang berbeda-beda melalui tweet salah satunya tentang BPJS Kesehatan. BPJS merupakan transformasi dari Badan Usaha Milik Negara yaitu Askes, ASABRI, Jamsostek, dan Taspen. Melalui Undang-Undang No 24 tahun 2011 telah dibentuk dua jenis BPJS, yaitu BPJS Kesehatan dan BPJS Ketenagakerjaan. Tweet atau komentar mengenai BPJS Kesehatan dapat menjadi bahan atau data yang dapat diolah dan dianalisis menggunakan konsep text mining. Text mining merupakan teknik dalam pengambilan informasi dari sejumlah data tak terstruktur yang memiliki kualitas tinggi serta diperoleh data-data permasalahan berupa teks atau dokumen dari sebuah topik tertentu. Hasil penelitian ini dilakukan bertujuan untuk melihat perbandingan menggunakan 2 algoritma klasifikasi yaitu Naive Bayes Classifier (NBC) dan K-Nearest Neighbor (KNN). Pembagian data pada penelitian ini digunakan 10 K pada K-fold Cross Validation yang kemudian dihitung akurasinya untuk perbandingan akurasi yang lebih unggul. Didapat hasil akurasi NBC lebih tinggi dibandingkan KK dengan akurasi NBC sebesar 53,44% sedangkan KNN sebesar 47,14%. Kata Kunci: Badan Penyelenggara Jaminan Sosial, Klasifikasi, K-Nearest Neighbor, Na¨ ıve Bayes Classifier, Text Mining

Item Type: Thesis (Skripsi)
Subjects: 000 Karya Umum > 004 Pemrosesan Data, Ilmu Komputer, Teknik Informatika
Divisions: Fakultas Sains dan Teknologi > Sistem Informasi
Depositing User: fsains -
Date Deposited: 24 Feb 2021 23:42
Last Modified: 24 Feb 2021 23:42
URI: http://repository.uin-suska.ac.id/id/eprint/46358

Actions (login required)

View Item View Item