ANALISIS SENTIMEN TWITTER TERHADAP KEAMANAN DATA DALAM LINGKUNGAN CLOUD COMPUTING DENGAN SUPPORT VECTOR MACHINE (SVM)

Wicaksono,Bima (2024) ANALISIS SENTIMEN TWITTER TERHADAP KEAMANAN DATA DALAM LINGKUNGAN CLOUD COMPUTING DENGAN SUPPORT VECTOR MACHINE (SVM). PROGRAM STUDI SARJANA TEKNOLOGI INFORMASI FAKULTAS SAINS DAN TEKNOLOGI UNIVERSITAS SARI MULIA BANJARMASIN 2024.

[img] Text
Bima Wicaksono - 11203362010019 - Bima Wicaksono.pdf

Download (5MB)

Abstract

Latar Belakang: Twitter menjadi sumber informasi yang kaya akan pandangan individu dengan pemahaman teknologi yang mendalam, menciptakan potensi untuk menganalisis sentimen terkait keamanan data dalam cloud computing. Di Indonesia masih rentan dalam keamanan siber, pemahaman lebih lanjut terkait opini dan pandangan pengguna twitter dapat memberikan wawasan berharga untuk meningkatkan wawasan dalam keamanan layanan cloud. Tujuan: Penelitian ini bertujuan untuk menganalisis opini pengguna twitter terhadap keamanan data dalam lingkungan cloud computing menggunakan metode Support Vector Machine (SVM) untuk mengklasifikasikan sentimen sebagai positif atau negatif. Metode: Dalam penelitian eksperimental ini, model SVM yang dikembangkan mencapai akurasi sebesar 95,9%, menunjukkan kemampuan yang tinggi dalam klasifikasi sentimen pada data uji. Hasil: Penelitian ini menunjukkan bahwa model SVM dapat diandalkan dalam menginterpretasi opini pengguna terkait keamanan data. selain itu, proporsi label positif mencapai 95,2%, sementara label negatif hanya sekitar 4,8%. Simpulan: Dalam penelitian ini, algoritma Support Vector Machine (SVM) berhasil mencapai tingkat akurasi 95,9% dalam klasifikasi sentimen terkait keamanan data dalam tweet. Analisis menunjukkan dominasi sentimen positif sebesar 95,2%, sementara sentimen negatif hanya 4,8%. Hasil ini memberikan gambaran positif terkait pandangan pengguna twitter terhadap keamanan data dalam lingkungan cloud computing.

Item Type: Skripsi
Kata Kunci Tidak Terkontrol: analisis sentimen, keamanan data, komputasi awan, support vector machine, twitter.
Subjects: Q Science > Q Science (General)
Fakultas: FAKULTAS SAINS DAN TEKNOLOGI
Pengguna Penyetoran: Rahman Perpustakaan UNISM
Tanggal Setoran: 04 Apr 2024 04:15
Last Modified: 04 Apr 2024 04:15
URI: http://repository.unism.ac.id/id/eprint/3120

Actions (login required)

View Item View Item