ANALISIS SENTIMEN TWITTER MENGGUNAKAN ALGORITMA K-MEANS MENGENAI DAMPAK PENGHAPUSAN TKA SNBT TAHUN 2023

Riyadh Ahmad Faridz, - (2024) ANALISIS SENTIMEN TWITTER MENGGUNAKAN ALGORITMA K-MEANS MENGENAI DAMPAK PENGHAPUSAN TKA SNBT TAHUN 2023. S1 thesis, Universitas Pendidikan Indonesia.

	Text S_SISTEL_1909076_Title.pdf Download (4MB)
	Text S_SISTEL_1909076_Chapter1.pdf Download (412kB)
	Text S_SISTEL_1909076_Chapter2.pdf Restricted to Staf Perpustakaan Download (400kB)
	Text S_SISTEL_1909076_Chapter3.pdf Download (460kB)
	Text S_SISTEL_1909076_Chapter4.pdf Restricted to Staf Perpustakaan Download (882kB)
	Text S_SISTEL_1909076_Chapter5.pdf Download (194kB)
	Text S_SISTEL_1909076_Appendix.pdf Restricted to Staf Perpustakaan Download (465kB)

Abstract

Proses analisis sentimen merupakan teknik untuk mengekstrak data berbentuk teks yang diberikan oleh pengguna internet di berbagai sosial media untuk menyampaikan opini dalam setiap permasalahan yang sedang terjadi. Analisis sentimen mengolah data berupa opini, emosi, evaluasi, dan sikap seseorang terhadap orang lain, benda, dan peristiwa. Dalam sebuah studi kasus analisis sentimen penting untuk dilakukan untuk mengetahui opini dari masyarakat sehingga dapat dijadikan bahan evaluasi bagi pihak terkait. Penelitian ini menggunakan metode clustering yaitu K-Means dibantu dengan kamus pelabelan vadersentiment dan lexicon based. Tujuan dari penelitian ini untuk mengetahui bagaiman sentimen masyarakat di sosial media twitter terkait dampak penghapusan TKA UTBK SNBT tahun 2023, selain itu tujuan dilakukan untuk mengetahui performa algoritma K-Means menggunakan bantuan kamus pelabelan vadersentiment dan lexicon based. Penelitian ini menggunakan 1120 data diambil dari twitter. Hasil dari penelitian ini yaitu 72,1% sentimen negatif, dan 27,9% sentimen bernilai positif. Tingkat akurasi tertinggi yang didapat oleh algoritma K-Means dengan bantuan kamus pelabelan lexicon based sebesar 72%, precision 69,2%, dan recall 47,3%. Kata Kunci: Analisis Sentimen, K-Means, vadersentiment, lexicon based ----- Sentiment analysis is a technique employed to extract textual data provided by internet users on various social media platforms, enabling them to convey opinions on ongoing issues. Sentiment analysis processes data encompassing opinions, emotions, evaluations, and attitudes of individuals towards others, objects, and events. In a case study, sentiment analysis is crucial to ascertain public opinions for the purpose of evaluation by relevant parties. This research employs the clustering method known as K-Means, aided by the vadersentiment labeling dictionary and lexicon-based approach. The objective of this study is to uncover the sentiment of the Twitter community regarding the impact of the removal of TKA UTBK SNBT in 2023. Additionally, it seeks to assess the performance of the K-Means algorithm utilizing the vadersentiment labeling dictionary and lexicon-based approach. The study is based on 1120 data points collected from Twitter. The findings indicate that 72.1% of sentiments are negative, while 27.9% are positive. The highest accuracy rate achieved by the K-Means algorithm with the assistance of the lexicon-based labeling dictionary is 72%, with a precision of 69.2% and a recall of 47.3% Keywords: Sentiment Analysis, K-Means, vadersentiment, lexicon based

Item Type:	Thesis (S1)
Additional Information:	ID SINTA Dosen Pembimbing: Hafiyyan Putra Pratama: 6681148 Endah Setyowati: 6681149
Uncontrolled Keywords:	Analisis Sentimen, Dampak penghapusan TKA SNBT Sentiment Analysis, The impact removing of TKA SNBT
Subjects:	L Education > L Education (General) T Technology > T Technology (General)
Divisions:	UPI Kampus Purwakarta > S1 Sistem Telekomunikasi
Depositing User:	RIyadh Ahmad Faridz
Date Deposited:	08 Mar 2024 03:08
Last Modified:	08 Mar 2024 03:08
URI:	http://repository.upi.edu/id/eprint/115432

Actions (login required)

View Item