Iqbal Sahputra Ns, - (2021) KLASIFIKASI SENTIMEN TERHADAP KOMENTAR TWITTER MENGGUNAKAN ALGORITMA SUPPORT VECTOR MACHINE DAN NAÏVE BAYES. Skripsi thesis, Universitas Islam Negeri Sultan Syarif Kasim Riau.

Preview	Text Iqbal Sahputra Ns-11551104966-TA (tanpa BAB 4-5).pdf Download (4MB) | Preview
	Text (BAB IV dan BAB V) Iqbal Sahputra NS-11551104966-Hasil Penelitian.pdf - Published Version Restricted to Repository staff only Download (935kB)

Abstract

Iqbal Sahputra Ns (2021): KLASIFIKASI SENTIMEN TERHADAP KOMENTAR TWITTER MENGGUNAKAN ALGORITMA SUPPORT VECTOR MACHINE DAN NAÏVE BAYES Twitter merupakan salah satu contoh dari sosial media atau jejaring sosial yang menjadi salah satu sumber paling umum untuk berkomunikasi. Setiap tweet atau kicauan dari Pengguna Twitter mengandung data seperti teks yang apabila dikumpulkan dapat diolah menjadi informasi. Pengolahan data dari kicauan Twitter akan menciptakan suatu trend yang dapat digunakan untuk kebutuhan informasi, Twitter digunakan untuk melakukan penilaian dan mengeluarkan pendapat mengenai segala sesuatu dan mengunggah postingan dengan opini yang berbeda-beda melalui tweet. Tweet yang didapat berasal dari komentar yang berhubungan politik ekonomi dan hukum, ulasan-ulasan tersebut disampaikan oleh masyarakat melalui tweet. Tweet tersebut dianalisis menggunakan sebuah teknik penggalian teks atau disebut juga text mining. Pada penelitian ini menggunakan 2 algoritma klasifikasi yaitu Support Vektor Machine dan Naïve Bayes, kelas dibagi menjadi tiga yaitu positif, negatif dan netral yang ditentukan oleh pakar bahasa. Data dibagi dengan pembagian data 90% data latih 10% data uji, 80% data latih 20% data uji dan 70% data latih 30% data uji kemudian dihitung akurasinya dengan confusion matrix. Pada percobaan menggunakan metode pembagian data dengan 10% pada Confusion matrix didapat hasil perbandingan akurasi antara SVM dan NB terhadap data politik ekonomi dan hukum, Pada data akurasi SVM lebih tinggi dibandingkan NB dengan akurasi SVM sebesar 81.33% sedangkan NB sebesar 69.66%. Jadi hasil akurasi pada data yang digunakan dalam penelitian ini, algoritma SVM memiliki performa lebih baik dibanding NB

Actions (login required)

View Item