Analisis Sentimen Opini Masyarakat Terhadap Universitas Indo Global Mandiri (Uigm) Di Internet Dan Media Sosial Menggunakan Naïve Bayes Classifier

Pratama, Muhammad Jack and Setiawan, Herri and Verano, Dwi Asa (2024) Analisis Sentimen Opini Masyarakat Terhadap Universitas Indo Global Mandiri (Uigm) Di Internet Dan Media Sosial Menggunakan Naïve Bayes Classifier. Masters thesis, Universitas Indo Global Mandiri.

[thumbnail of Muhammad Jack Pratama_2019110049_File Cover - Daftar Isi.pdf] Text
Muhammad Jack Pratama_2019110049_File Cover - Daftar Isi.pdf

Download (635kB)
[thumbnail of Muhammad Jack Pratama_2019110049_File Full Skripsi.pdf] Text
Muhammad Jack Pratama_2019110049_File Full Skripsi.pdf
Restricted to Repository staff only

Download (2MB) | Request a copy

Abstract

Analisis sentimen dilakukan untuk mendeteksi opini terhadap suatu subjek dan objek (misalnya individu, organisasi ataupun produk) dalam sebuah kumpulan data Pada penelitian analisis sentimen ini menggunakan metode Naïve Bayes Classifier yang merupakan metode pengklasifikasian. Tahapan yang dilakukan yaitu crawling data opini masyarakat media sosial dan internet yang berkaitan terhadap Universitas Indo Global Mandri dan preprocessing yang terdiri dari Case Folding, cleansing, Stopword Removal, Stemming, convert emoticon, serta tokenisasi. penelitian ini akan menawarkan solusi dalam melakukan analisis sentimen terhadap opini Masyarakat terhadap UIGM. Analisis sentimen ini untuk mengetahui metode Naive Bayes Classifier dalam melakukan klasifikasi berdasarkan opini masyarakat terhadap UIGM, sehingga mempermudah pihak UIGM memantau perkembangan dan membantu dalam pengambilan keputusan serta langkah apa yang tepat dalam mengembangkan yang ada. Untuk membuat sebuah analisis sentimen perlu banyak hal dilakukan, di antaranya memilih classifier dan sumber data yang akan digunakan untuk analisis. Berdasarkan hasil pengujian metode Naive Bayes Classifier dengan data yang dikumpulkan sebesaar 303 mendapatkan jumlah 114 sentimen positif dan 34 sentimen negatif. Menghasilkan nilai akurasi sebesar 76.32%, prediksi sentimen positif dengan presisi yang tinggi 77.03% dan recall yang sangat baik 98.28%.

Item Type: Thesis (Masters)
Subjects: Q Science > Q Science (General)
T Technology > T Technology (General)
Divisions: Fakultas Ilmu Komputer > Teknik Informatika S1
Depositing User: Muhammad Jack Pratama
Date Deposited: 07 Mar 2024 06:17
Last Modified: 07 Mar 2024 06:17
URI: http://repository.uigm.ac.id/id/eprint/1860

Actions (login required)

View Item
View Item