Text

ANALISIS SENTIMEN OPINI PUBLIK MENGENAI COVID-19 PADA TWITTER MENGGUNAKAN METODE SUPPORT VECTOR MACHINE (SVM)

---

Penilaian

---

Analisis sentimen merupakan bagian dari ilmu data mining yang memiliki tujuan untuk menganalisis dan mengekstrak data tekstual yang berupa pendapat, evaluasi, sikap, emosi, penilaian, dan sentimen seseorang terhadap suatu barang, orang, organisasi, dan masalah. Pada penelitian ini proses pelabelan sentimen pada tanggapan dilakukan dengan menghitung jumlah kata positif dan negatif pada setiap tanggapan, apabila jumlah kata positif lebih banyak maka termasuk tanggapan positif, namun apabila jumlah kata negatif lebih banyak termasuk tanggapan negatif. Analisis sentimen opini publik melalui media sosial Twitter terhadap tindakan pemerintah Indonesia pada kasus Covid-19 menggunakan metode Support vector machine (SVM). SVM merupakan singkatan dari Support Vector Machine, SVM bekerja dengan membagi dua kelompok kelas data menggunakan fungsi linear dalam sebuah ruang fitur berdimensi tinggi dengan proses menemukan garis pemisah (hyperplane) terbaik sehingga dapat menemukan ukuran margin yang maksimal antara ruang input dengan ruang ciri menggunakan kaidah kernel. Kelebihan dari metode SVM adalah SVM dapat menentukan hyperplane atau bidang pemisah dengan memilih bidang dengan optimal margin maka generalisasi pada SVM dapat terjaga dengan sendirinya, tingkat generalisasi pada SVM tidak dipengaruhi oleh jumlah data latih, dengan menentukan parameter soft margin, noise dapat dikontrol sehingga makin besar parameter soft margin, semakin besar pula pinalti yang dikenakan pada kesalahan pada klasifikasi. Hasil penelitian menunjukan bahwa data uji yang didapat memiliki tingkat Akurasi sebesar 0.9522 (95.22%) dengan menggunakan model Support Vector Machine (SVM). Kata Kunci: Covid-19, Sentimen, Support Vector Machine, Twitter.

---

Availability

Inventory Code	Barcode	Call Number	Location	Status
2207000707	T67666	T676662022	Central Library (Referens)	Available but not for loan - Not for Loan

Detail Information

Series Title

-

Call Number

T676662022

Publisher

Inderalaya : Prodi Sistem Informasi, Fakultas Ilmu Komputer., 2022

Collation

xiv, 64 hlm.; ilus.; 29 cm

Language

Indonesia

ISBN/ISSN

-

Classification

006.707

Content Type

-

Media Type

-

Carrier Type

-

Edition

-

Subject(s)

Sistem-sistem multimedia
Prodi Sistem Informasi

Specific Detail Info

-

Statement of Responsibility

SEPTA

Other version/related

File Attachment

Comments

---

You must be logged in to post a comment