Analisis Sentimen Vaksin Booster dengan Menggunakan Metode Nayve Bayes

Ananda, Aprisa Zikri (2023) Analisis Sentimen Vaksin Booster dengan Menggunakan Metode Nayve Bayes. S1 thesis, Universitas Ahmad Dahlan.

	Text (JUDUL) T1_1700018199_JUDUL__230624095530.pdf Download (1MB)
	Text (BAB I) T1_1700018199_BAB_I__230624090409.pdf Download (394kB)
	Text (BAB II) T1_1700018199_BAB_II__230624090409.pdf Restricted to Registered users only Download (572kB) | Request a copy
	Text (BAB III) T1_1700018199_BAB_III__230624090409.pdf Restricted to Registered users only Download (393kB) | Request a copy
	Text (BAB IV) T1_1700018199_BAB_IV__230624090409.pdf Restricted to Registered users only Download (1MB) | Request a copy
	Text (BAB V) T1_1700018199_BAB_V__230624090409.pdf Restricted to Registered users only Download (448kB) | Request a copy
	Text (Daftar Pustaka) T1_1700018199_DAFTAR_PUSTAKA__230624090409.pdf Download (448kB)
	Text (Naskah Publikasi) T1_1700018199_NASKAH_PUBLIKASI__230624090442.pdf Download (478kB)

Abstract

Analisis Sentimen Vaksin Bosster Dengan Menggunakan Metode Nayve Bayes
A B S TR A K
APRISAL ZIKRI ANANDA - 1700018199
Interaksi sosial media sangat marak dilakukan oleh hampir seluruh orang di Indonesia dengan media sosial seperti Twitter. Pada media ini banyak terdapat pendapat (sentiment) terkait Vaksin Bosster Covid - 19. Menganalisis sentimen tingkat kepuasaan masyarakat indonesia tentang vaksin booster menggunakan metode Naive Bayes .Penelitian dilakukan untuk memberikan manfaat masyarakat. Manfaat yang dimaksudkan adalah memaparkan hasil dari klasifikasi Naïve Bayes dan hasil sentimen publik terhadap Vaksin Bosster pada waktu data diambil, sehingga Vaksin Bosster dapat meningkatkan kualitasnya guna mendapat penilaian baik di mata publik
Dalam penelitian ini menggunakan metode yang merupakan salah satu dari sekian banyak algoritma yang digunakan untuk analisis sentiment yaitu Naïve Bayes Classifier, metode ini adalah salah satu dari algoritma yang menggunakan metode klasifikasi, menggunakan performa serta tingkat akurasi yang baik untuk beberapa kondisi pengaplikasian di dunia nyata. Pada penelitian ini memakai data input yaitu tweet dan data hasil output yaitu sentimen yang telah melalui tahap pengklasifikasian kedalam tiga kelas yaitu positif, negatif, dan netral. Tahapan penelitian yaitu mempelajari hal-hal berkaitan dengan analisis sentimen dan Naïve Bayes Classifier, mengumpulkan data dengan melakukan crawling data pada twitter dengan menggunakan kata kunci Vaksin OR Bosster melakukan pembersih data dengan melakukan tahap preprocessing tersebut, kemudian membagi data yang diperoleh menjadi dua data yaitu data latih (training) dan data uji (testing), melakukan klasifikasi atau pelabelan pada data untuk mengetahui kategori kelas dengan cara manual selanjutnya data yang telah dilabelkan sebelumnya masuk ke dalam pengklasifikasian data uji dan data yang diperoleh kemudian di hitung tingkat keakurasian dengan menggunakan confusion matrix (matriks klasifikasi
Data yang digunakan adalah data Vaksin Bosster tanggal 22-27 Oktober 2023 pada platform Twitter menggunakan bantuan website Netlytic. Pengecekan akurasi menggunakan Confusion Matrix dengan akurasi sebesar 69%. Klasifikasi menghasilkan 3 data negatif, 15 data netral, dan 43 data positif

Item Type:	Thesis (S1)
Keyword:	Analisis Sentimen Bosster 19, Twitter, Naïve Bayes, Confusion Matrix
Subjects:	Q Science > QA Mathematics > QA76 Computer software R Medicine > RA Public aspects of medicine > RA0421 Public health. Hygiene. Preventive Medicine
Divisi / Prodi:	Faculty of Industrial Technology (Fakultas Teknologi Industri) > S1-Informatics Engineering (S1-Teknik Informatika)
Depositing User:	userperpus2 userperpus2
Date Deposited:	05 May 2025 02:53
Last Modified:	05 May 2025 02:53
URI:	http://eprints.uad.ac.id/id/eprint/83362

Actions (login required)

View Item