ANALISIS SENTIMEN PADA MEDIA SOSIAL TWITTER MENGGUNAKAN SUPPORT VECTOR MACHINE (SVM) TERHADAP KATA KUNCI #THELINKINJKT

ASRIANA

Informasi Umum

Kode

23.04.4773

Klasifikasi

006.312 - Data mining

Jenis

Karya Ilmiah - Skripsi (S1) - Reference

Subjek

Data Mining

Dilihat

293 kali

Informasi Lainnya

Abstraksi

Perkembangan teknologi informasi di Indonesia mengalami pertumbuhan yang sangat cepat. Hal ini berdampak pada pengguna dan masyarakat dalam mendapatkan informasi dari berbagai sumber, seperti media sosial. Salah satu media sosial yang populer di Indonesia adalah Twitter. Sentimen analisis memungkinkan untuk mengelompokkan polaritas dari teks dalam kalimat, sehingga dapat diketahui apakah opini tersebut bersifat positif atau negatif. Pada penelitian ini dilakukan analisis sentimen terhadap tweets terkait #TheLinkinJKT mengenai segi “sistem ticketing” dan “kepuasan event”. Analisis sentimen dilakukan menggunakan pendekatan machine learning dengan algoritma Support Vector Machine (SVM). Adapun hasil yang didapatkan pada “sistem ticketing” yaitu 650 tweets dengan label positif dan 705 tweets dengan label negatif dari 1.331 jumlah keseluruhan data. Sedangkan hasil yang didapatkan pada “kepuasan event” yaitu 1.995 tweets dengan label positif dan 2.402 dengan label negatif dari 4.400 jumlah keseluruhan data dengan pelabelan secara manual. Berdasarkan hasil analisis sentimen menggunakan algoritma Support Vector Machine (SVM) dilakukan data splitting didapatkan hasil dari akurasi dataset tertinggi pada “sistem ticketing” dengan rasio data split terbesar yaitu rasio 70:30 dengan akurasi sebesar 0,737 atau 73% dan akurasi tertinggi dari dataset “kepuasan event” didapatkan dari rasio data split 80:20 dengan akurasi terbesar yaitu 0,743 atau 74%. Berdasarkan hasil penelitian hasil evaluasi kinerja model menggunakan K-Fold Cross Validation pada “sistem ticketing” dengan hasil accuracy sebesar 0,74, precision sebesar 0,71, recall sebesar 0,71 dan f1-score sebesar 0,71, sedangkan pada “kepuasan event” hasil accuracy sebesar 0,74, precision sebesar 0,82, recall, sebesar 0,57, dan f1-score sebesar 0,68.