Mauritz, Ferdy (2022) ANALISIS SENTIMEN TERHADAP TWEET DI APLIKASI TWITTER TENTANG VAKSINASI COVID-19. Diploma thesis, Universitas YARSI.
|
Text
1. Cover.pdf Download (187kB) | Preview |
|
Text
05. Halaman Pengesahan_Skripsi_FerdyMauritz_1402017056.pdf Download (96kB) |
||
Text
04. Pernyataan Orisinalitas_Skripsi_FerdyMauritz_1402017056.pdf Download (58kB) |
||
|
Text
2. Abstrak.pdf Download (177kB) | Preview |
|
|
Text
11. BAB 1.pdf Download (525kB) | Preview |
|
|
Text
17. Daftar Pustaka.pdf Download (308kB) | Preview |
|
Text
12. BAB 2.pdf Restricted to Registered users only Download (341kB) |
||
Text
13. BAB 3.pdf Restricted to Registered users only Download (671kB) |
||
Text
14. BAB 4.pdf Restricted to Registered users only Download (186kB) |
||
Text
15. BAB 5.pdf Restricted to Registered users only Download (520kB) |
||
Text
16. BAB 6.pdf Restricted to Registered users only Download (177kB) |
Abstract
Pada bulan maret 2020 Indonesia digemparkan dengan adanya kasus pertama dari virus COVID-19 atau Corona Virus Disease 19. Virus ini belum dapat dipastikan sampai kapan akan berakhir, namun beberapa upaya pemerintah untuk memutus rantai penyebaran telah dilakukan salah satu nya adalah pelaksanaan vaksin meski telah dilaksanakan vaksinasi masih menjadi pro dan kontra di kalangan masyarakat. sehingga masyarakat mengungkapkan pendapat mereka dijejaring sosial salah satu nya adalah Twitter. Namun tidak semua pendapat atau opini memiliki makna yang sama oleh karena itu perlu dilakukan analisis sentimen untuk mengetahui apakah opini tersebut berifat positif, negatif atau netral. Pada penelitian ini penulis melakukan analisis sentimen terhadap tweet berbahasa Indonesia di aplikasi Twitter terhadap isu vaksinasi dengan algoritma K-Nearest Neighbor, Support Vector Machine, Naive Bayes dan Logistic Regression. Penelitian ini menghasilkan hasil akurasi sebesar 90% pada algoritma Logistic Regression, 76% pada Naive Bayes model Bernoulli, 82% pada algoritma Support Vector Machine dan 72% pada algoritma K-Nearest Neighbor.
Item Type: | Thesis (Diploma) |
---|---|
Additional Information: | S-822-FTI |
Uncontrolled Keywords: | Logistic Regression, K-Nearest Neighbor, Support Vector Machine, Naive Bayes. |
Subjects: | H Social Sciences > H Social Sciences (General) Q Science > QA Mathematics > QA75 Electronic computers. Computer science Q Science > QA Mathematics > QA76 Computer software R Medicine > RA Public aspects of medicine T Technology > T Technology (General) |
Depositing User: | FERDY MAURITZ |
Date Deposited: | 12 Dec 2023 07:09 |
Last Modified: | 12 Dec 2023 07:09 |
URI: | http://digilib.yarsi.ac.id/id/eprint/11290 |
Actions (login required)
View Item |