Tryawan, Rifaldi (2023) PROGRAM ANALISIS SENTIMEN TWITTER DENGAN PYTHON MENGGUNAKAN METODE KLASIFIKASI NAIVE BAYES. S1 thesis, UNIVERSITAS SULTAN AGENG TIRTAYASA.
Text (SKRIPSI)
Rifaldi Tryawan_3332150004_Fulltext.pdf Restricted to Registered users only Download (2MB) |
|
Text
Rifaldi Tryawan_3332150004_01.pdf Restricted to Registered users only Download (907kB) |
|
Text
Rifaldi Tryawan_3332150004_02.pdf Restricted to Registered users only Download (610kB) |
|
Text
Rifaldi Tryawan_3332150004_03.pdf Restricted to Registered users only Download (352kB) |
|
Text
Rifaldi Tryawan_3332150004_04.pdf Restricted to Registered users only Download (406kB) |
|
Text
Rifaldi Tryawan_3332150004_05.pdf Restricted to Registered users only Download (186kB) |
|
Text
Rifaldi Tryawan_3332150004_Ref.pdf Restricted to Registered users only Download (408kB) |
|
Text
Rifaldi Tryawan_3332150004_Lamp.pdf Restricted to Registered users only Download (615kB) |
Abstract
Social media is a very large source of data and has continuous and very short changes, the time span of changes also has considerable relevance for various fields. The purpose of this research is sentiment analysis aimed at Twitter statuses that are discussing daily topics to determine the attitude of opinions from tweets posted in a topic that is trending online using the Naive Bayes Classifier method. With various series of stages carried out, namely data collection from Twitter, preprocessing, classification process with the Naïve Bayes Classifier algorithm, and evaluation of the results determined by this method. The results at the time of testing, namely in the form of the highest accuracy value obtained in testing 10 and 50 tweet data of 90%, for the highest precision value in testing 10 and 20 tweet data of 100%, for the highest recall value in testing 50 tweet data of 89.74%, for the highest F1-Score value in testing 50 tweet data of 93.33%. The results of this study can be seen that the algorithm managed to get the best performance value of data validity in classifying positive comments and negative comments related to sentiment analysis on Twitter social media.
Item Type: | Thesis (S1) | |||||||||
---|---|---|---|---|---|---|---|---|---|---|
Contributors: |
|
|||||||||
Additional Information: | Sosial media merupakan sumber data yang sangat besar dan memiliki perubahan yang berkelanjutan serta sangat singkat, rentang waktu perubahannya juga memiliki relevansi yang cukup besar untuk berbagai bidang. Tujuan dari penelitian ini sebagai analisis sentimen yang ditujukan untuk status Twitter yang sedang membahas topik keseharian untuk menentukan sikap opini dari tweet yang di posting dalam suatu topik yang sedang trending secara online dengan menggunakan metode Naive Bayes Classifier. Dengan berbagai rangkaian tahapan yang dilakukan yaitu pengumpulan data dari Twitter, preproccesing, proses klasifikasi dengan algoritma Naïve Bayes Classifier, dan evaluasi hasil yang di tentukan oleh metode ini. Hasil pada saat pengujian, yaitu berupa nilai akurasi tertinggi yang didapatkan pada pengujian 10 dan 50 data tweet sebesar 90%, untuk nilai presisi yang paling tinggi pada pengujian 10 dan 20 data tweet sebesar 100%, untuk nilai recall tertinggi pada pengujian 50 data tweet sebesar 89,74%, untuk nilai F1-Score tertinggi pada pengujian 50 data tweet sebesar 93,33%. Hasil penelitian ini dapat diketahui bahwa algoritma berhasil mendapatkan nilai performasi validitas data yang terbaik dalam mengklasifikasikan komentar positif dan komentar negatif terkait dengan analisis sentimen terhadap media sosial Twitter. | |||||||||
Subjects: | T Technology > TK Electrical engineering. Electronics Nuclear engineering | |||||||||
Divisions: | 03-Fakultas Teknik 03-Fakultas Teknik > 20201-Jurusan Teknik Elektro |
|||||||||
Depositing User: | Rifaldi Tryawan Tryawan | |||||||||
Date Deposited: | 30 Jan 2023 09:43 | |||||||||
Last Modified: | 08 Feb 2023 10:34 | |||||||||
URI: | http://eprints.untirta.ac.id/id/eprint/20308 |
Actions (login required)
View Item |