Fikri, Ardhana (2021) SENTIMENT ANALYSIS TWEET VAKSINASI COVID-19 MENGGUNAKAN METODE NAÏVE BAYES CLASSIFIER. Diploma thesis, Universitas Andalas.
|
Text (Cover dan Abstrak)
Abstrak dan Cover.pdf - Published Version Download (49kB) | Preview |
|
|
Text (Bab 1)
Bab 1.pdf - Published Version Download (247kB) | Preview |
|
|
Text (Bab 5)
Bab 5.pdf - Published Version Download (33kB) | Preview |
|
|
Text (Daftar Pustaka)
Daftar Pustaka.pdf Download (36kB) | Preview |
|
Text (Laporan Tugas Akhir full text)
Laporan TA fikri.pdf Restricted to Repository staff only Download (1MB) |
Abstract
Pada masa pandemi, pemerintah melakukan berbagai upaya dalam pencegahan penyebaran virus covid-19 mulai dari work from home, Pembatasan Sosial Berskala Besar atau PSBB sampai Lock Down. Upaya terbaru yang dilakukan pemerintah dalam penanganan penyebaran virus covid-19 adalah melakukan vaksinasi covid-19 yang digagas oleh pemerintah pada akhir tahun 2020. Namun kepastian pada ke efektifan dari vaksinasi covid-19 ini masih belum jelas kebenarannya sehingga publik mempertanyakan vaksin covid-19 ini, terlebih dengan adanya wacana yang dinilai kontroversial sehingga menimbulkan keresahan. Keresahan masyarakat terhadap vaksin covid-19 ini menjadi topik yang sering dibahas pada media sosial Twitter. Memanfaatkan data twitter perlu dilakukan sebagai penelitian guna mengetahui bagaimana sentimen publik terhadap vaksin covid-19 tersebut, apakah mayoritas publik menilai positif atau negatif. Tanggapan publik pada twitter didapatkan dari Application Programming Interface (API). Pada penelitian ini preprocessing teks yang digunakan adalah data cleansing, case folding, stemming dan stopword elimination, sedangkan metode yang digunakan pada penelitian ini adalah Naïve Bayes Classifier. Hasil sentiment pada tweet vaksin covid-19 didapatkan tweet sebanyak 504 tweet beropini positif dan 1127 tweet beropini negatif dari total tweet sebanyak 1631 tweet, hasil klasifikasi menggunakan metode NBC pada data tweet vaksin covid-19 menghasilkan akurasi sebesar 85% untuk data training dan 78% untuk data testing. Kata Kunci : Vaksin Covid, Text Mining, Sentimen analisis, Naïve Bayes Classifier, dan Twitter
Item Type: | Thesis (Diploma) |
---|---|
Primary Supervisor: | Meza Silvana, M.T. |
Subjects: | T Technology > T Technology (General) |
Divisions: | Fakultas Teknologi Informasi > Sistem Informasi |
Depositing User: | s1 sistem informasi |
Date Deposited: | 19 Jan 2022 04:58 |
Last Modified: | 19 Jan 2022 04:58 |
URI: | http://scholar.unand.ac.id/id/eprint/97374 |
Actions (login required)
View Item |