Analisis sentimen terhadap kuliah Dalam Jaringan (Daring) menggunakan metode Supervised Machine-Learning (SVM) dan Naive Bayes

Wahyu Mitayani, Astri (2023) Analisis sentimen terhadap kuliah Dalam Jaringan (Daring) menggunakan metode Supervised Machine-Learning (SVM) dan Naive Bayes. S1 thesis, Universitas Ahmad Dahlan.

	Text (JUDUL) T1_1800018328_JUDUL__230604111245.pdf Download (429kB)
	Text (BAB I) T1_1800018328_BAB_I__230604111245.pdf Download (63kB)
	Text (BAB II) T1_1800018328_BAB_II__230604111245.pdf Restricted to Registered users only Download (313kB) | Request a copy
	Text (BAB III) T1_1800018328_BAB_III__230604111245.pdf Restricted to Registered users only Download (313kB) | Request a copy
	Text (BAB IV) T1_1800018328_BAB_IV__230604111245.pdf Restricted to Registered users only Download (235kB) | Request a copy
	Text (BAB V) T1_1800018328_BAB_V__230604111245.pdf Restricted to Registered users only Download (51kB) | Request a copy
	Text (Daftar Pustaka) T1_1800018328_DAFTAR_PUSTAKA__230604111245.pdf Download (51kB)

Abstract

Pandemi wabah covid-19 menyebabkan kegiatan yang melibatkan kerumunan dilarang oleh pemerintah salah satunya kegiatan perkuliahan, maka pemerintah mengeluarkan kebijakan kegiatan kuliah selama pandemi dilakukan secara daring (dalam jaringan). Tweet yang ada pada Twitter dapat dijadikan sebagai sebuah data, yang dilakukan dengan crawling menggunakan API Twitter. Proses perkuliahan secara daring mengandalkan jaringan internet yang menggunakan smartphone, laptop, komputer dan tablet untuk interaksi antara mahasiswa dengan dosennya untuk mengurangi penyebaran covid-19. Namun setiap kebijakan yang dikeluarkan oleh pemerintah pasti akan ada yang setuju dan tidak setuju. Pada penelitian ini bertujuan untuk menganalisis opini masyarakat terhadap pembelajaran daring di Indonesia.
Penelitian ini mengambil data dari media sosial Twitter yang berkaitan dengan kuliah daring. Pengambilan data dilakukan dengan teknik crawling data pada Twitter menggunakan API dengan kata kunci #kuliahonline dan #kuliahdaring. Data tersebut akan dilakukan tahapan preprocessing yaitu cleaning, case folding, tokenization, filtering, stemming dan tf-idf kemudian diklasifikasikan menggunakan metode Support Vector Machine (SVM) dan Naïve Bayes Classifier (NBC). Lalu dilakukan pengujian menggunakan Confusion Matrix dan pengimpletasian kedalam aplikasi berbasis website supaya dapat digunakan oleh pengguna lebih mudah.
Penelitian ini menghasilkan analisis sentimen dari 380 data tweet yang di ambil pada bulan Oktober 2022. Hasil penelitian analisis sentimen pada Twitter dapat berjalan dengan baik yang mendapatkan accuracy 0.8157, precision 0.7857, recall 0.9565 dan f1-score 0.8627 untuk metode Support Vector Machine dan accuracy 0.8421, precision 0.8148, recall 0.9565 dan f1-score 0.8800 untuk metode Naïve Bayes Classifier. Berdasarkan hasil tersebut maka metode Naïve Bayes Classifier lebih baik jika dibandingkan Support Vector Machine.

Item Type:	Thesis (S1)
Keyword:	kuliah daring, klasifikasi, analisis sentimen, support vector machine, naïve bayes classifier
Subjects:	T Technology > T Technology (General) T Technology > TA Engineering (General). Civil engineering (General)
Divisi / Prodi:	Faculty of Industrial Technology (Fakultas Teknologi Industri) > S1-Informatics Engineering (S1-Teknik Informatika)
Depositing User:	userperpus2 userperpus2
Date Deposited:	11 Oct 2024 02:29
Last Modified:	11 Oct 2024 02:29
URI:	http://eprints.uad.ac.id/id/eprint/76217

Actions (login required)

View Item