OPTIMASI METODE NAÏVE BAYES CLASSIFIER MENGGUNAKANADABOOST DAN XGBOOST PADA ANALISIS SENTIMEN TIMNAS FUTSAL INDONESIA DITWITTER

Arnetalya, Devira (2023) OPTIMASI METODE NAÏVE BAYES CLASSIFIER MENGGUNAKANADABOOST DAN XGBOOST PADA ANALISIS SENTIMEN TIMNAS FUTSAL INDONESIA DITWITTER. Sarjana thesis, Universitas Siliwangi.

	Text 1. COVER.pdf Download (239kB)
	Text 2. LEMBAR PENGESAHAN.pdf Download (280kB)
	Text 3. LEMBAR PENGUJI.pdf Download (300kB)
	Text 4. LEMBAR PERNYATAAN.pdf Download (284kB)
	Text 5. ABSTRAK.pdf Download (11kB)
	Text 6. KATA PENGANTAR.pdf Download (125kB)
	Text 7. DAFTAR ISI.pdf Download (417kB)
	Text 8. DAFTAR TABEL.pdf Download (219kB)
	Text 9. DAFTAR GAMBAR.pdf Download (214kB)
	Text 10. DAFTAR RUMUS.pdf Download (214kB)
	Text 11. BAB I.pdf Download (137kB)
	Text 12. BAB II.pdf Download (711kB)
	Text 13. BAB III.pdf Download (44kB)
	Text 14. BAB IV.pdf Restricted to Repository staff only Download (869kB)
	Text 15. BAB V.pdf Restricted to Repository staff only Download (9kB)
	Text 16. DAFTAR PUSTAKA.pdf Download (132kB)
	Text 17. LAMPIRAN.pdf Restricted to Repository staff only Download (491kB)

Abstract

Perkembangan olahraga futsal di Indonesia terus berkembang dan menjadi salah satu olahraga andalan Indonesia di ajang internasional. Futsal menjadi olahraga yang cukup banyak diperbincangkan masyarakat Indonesia di media sosial, salah satunya media sosial Twitter. Berdasarkan data twitter, opini masyarakat cukup beragam mulai dari opini bahagia, pujian, kritikan bahkan cacian. Proses mengidentifikasi sentimen masyarakat terkait Timnas Futsal Indonesia memerlukan suatu analisis yang melalui proses komputasi, yaitu analisis sentimen. Tujuan dari penelitian ini yaitu menganalisis performa metode Naive Bayes Classifier tanpa metode boosting, Naive Bayes Classifier dengan Adaboost dan Naive Bayes Classifier dengan XGBoost dalam melakukan analisis sentimen pada media sosial Twitter terkait timnas futsal indonesia. Pengujian yang dilakukan menghasilkan klasifikasi Naïve Bayes Classifier tanpa boosting memperoleh tingkat akurasi 86,33%, presisi 59,49%, dan recall 48,60%. Kemudian setelah dilakukan optimasi menggunakan Adaboost algoritma algoritma Naïve Bayes Classifier mengalami peningkatan tingkat akurasi menjadi 87,77%, dengan presisi sebesar 93,55% dan recall 53,04%. Selain itu, dilakukan optimasi menggunakan XGBoost pada algoritma Naïve Bayes Classifier mengalami peningkatan tingkat akurasi menjadi 97,49%, dengan presisi sebesar 98,48% dan recall 74,13%. Hasil tersebut membuktikan penerapan metode boosting XGBoost dapat meningkatkan performa algoritma Naïve Bayes Classifier secara maksimal dibandingkan Adaboost. Hal tersebut disebabkan karena XGBoost akan memperbarui bobot pada setiap pohon yang dibangun untuk mendapatkan pohon klasifikasi yang kuat. Kata Kunci: adaboost, analisis sentimen, futsal indonesia, naïve bayes classifier, twitter,

Actions (login required)

View Item