Sentimen Analisis Stay Home menggunakan metode klasifikasi Naive Bayes, Support Vector Machine, dan k-Nearest Neighbor

Paradigma - Jurnal Komputer dan Informatika

View Publication Info
 
 
Field Value
 
Title Sentimen Analisis Stay Home menggunakan metode klasifikasi Naive Bayes, Support Vector Machine, dan k-Nearest Neighbor
 
Creator Hakim, Ikhwanul
Nugroho, Arifin
Sukmana, Sulaeman Hadi
Gata, Windu
 
Subject Ilmu Komputer
corona virus, twitter, stay home, SVM, sentimen analisis
 
Description Dunia sedang dilanda pandemi Corona Virus, virus yang berasal dari kota Wuhan di negara Cina sebagai awal pusat dari pandemi virus tersebut. Virus tersebut menyerang pernafasan akut dan menyebar dengan cepat hampir keseluruh dunia karena proses penularannya yang relatif mudah. Pemberitaan terkait virus tersebut terjadi dengan saat masif baik dimedia nasional maupun internasional. Hampir seluruh media memberitakan tentang penyebaran virus tersebut. Salah satunya melalui media sosial, twitter adalah salah satu media sosial yang cukup banyak penggunanya dan cukup digemari. Banyak pengguna twitter membagikan informasi, mengeluarkan pendapat, maupun berbagi beberapa hal. Penelitian ini fokus pada sentimen analisis stay home pada pengguna twitter, untuk dapat melihat efek dari kebijakan tersebut terhadap kehidupan mereka. Karena hampir diseluruh negara yang terkena pandemi ini mengeluarkan kebijakan seperti itu. Data yang diperoleh akan diolah menggunakan tiga metode klasifikasi yaitu Naive Bayes (NB), Support Vector Machine (SVM), dan k-Nearest Neighbor (k-NN). Dengan ketiga metode klasifikasi tersebut, akan dicari metode mana yang akan menghasilkan akurasi yang paling baik terkait dengan stay home dari tweets para penggunanya. Setelah dilakukan percobaan, algoritma Support Vector Machine + Smote mendapatkan hasil akurasi yang paling baik jika dibandingkan dengan dua algoritma lainnya. Hasil akurasi yang didapat sebesar 80,05%.
 
Publisher Universitas Bina Sarana Informatika
 
Contributor STMIK Nusa Mandiri
 
Date 2020-09-10
 
Type info:eu-repo/semantics/article
info:eu-repo/semantics/publishedVersion

 
Format application/pdf
 
Identifier https://ejournal.bsi.ac.id/ejurnal/index.php/paradigma/article/view/8237
10.31294/p.v22i2.8237
 
Source Paradigma - Jurnal Komputer dan Informatika; Vol 22, No 2 (2020): Periode September 2020; 169-174
Paradigma - Jurnal Komputer dan Informatika; Vol 22, No 2 (2020): Periode September 2020; 169-174
2579-3500
1410-5063
 
Language eng
 
Relation https://ejournal.bsi.ac.id/ejurnal/index.php/paradigma/article/view/8237/pdf
https://ejournal.bsi.ac.id/ejurnal/index.php/paradigma/article/downloadSuppFile/8237/1561
 
Rights Copyright (c) 2020 Paradigma - Jurnal Komputer dan Informatika
https://creativecommons.org/licenses/by-nc-sa/4.0
 

Contact Us

The PKP Index is an initiative of the Public Knowledge Project.

For PKP Publishing Services please use the PKP|PS contact form.

For support with PKP software we encourage users to consult our wiki for documentation and search our support forums.

For any other correspondence feel free to contact us using the PKP contact form.

Find Us

Twitter

Copyright © 2015-2018 Simon Fraser University Library