SENTIMEN ANALISIS TERHADAP KOMENTAR PENYIMPANGAN AJARAN DENGAN MENGGUNAKAN MACHINE LEARNING

Tasya Salsabila (2024) SENTIMEN ANALISIS TERHADAP KOMENTAR PENYIMPANGAN AJARAN DENGAN MENGGUNAKAN MACHINE LEARNING. PROGRAM STUDI SARJANA TEKNOLOGI INFORMASI FAKULTAS SAINS DAN TEKNOLOGI UNIVERSITAS SARI MULIA BANJARMASIN 2024.

Text Skripsi_Tasya salsabila_11203362010055 (1) - Tasya Salsabila.pdf Download (4MB)

Abstract

masyarakat di indonesia yang menggunakan twitter untuk bertukar informasi ataupun meluapkan emosi mereka. terkait pemberitaan tentang penyimpangan ajaran yang sedang beredar saat ini, banyak opini yang muncul mulai dari kekecewaan hingga menimbulkan perdebatan. Tujuan: penelitian yang dilakukan bertujuan untuk menganalisis sentimen komentar penyimpangan ajaran yang terjadi di platform sosial media twitter dengan membandingkan kinerja dua algoritma (naive bayes dan support vector machine) dalam melakukan analisis sentimen pada komentar tersebut. Metode: dalam penelitian eksperimental, metode svm yang dikembangkan mencapai akurasi sebesar 83% dan hasil akurasi metode naive bayes mencapai 70% , hal ini menunjukkan bahwa metode svm dan naive bayes yang telah dilatih mampu melakukan klasifikasi sentimen dengan baik pada data uji. Hasil: penelitian yang dilakukan menunjukkan bahwa hasil analisis sentimen netral sekitar 68.3% dari total data, komentar negatif sekitar 12.8% lebih rendah dibandingkan dengan komentar positif yaitu sekitar 18.9%, selain itu metode svm dan naive bayes dapat melakukan analisis sentimen terhadap komentar penyimpangan ajaran dengan hasil akurasi metode svm 83% dan naive bayes 70%. Simpulan: hasil penelitian menunjukkan akurasi metode svm 83%, sedangkan metode naive bayes 70%. analisis menunjukkan bahwa 68,3% komentar bersifat netral. hal ini menunjukkan bahwa 68.3% mayoritas pengguna twitter cenderung memberikan komentar yang informatif dan tidak emosional.

Actions (login required)

View Item