IMPLEMENTASI STACKING ENSEMBLE CLASSIFIER UNTUK KLASIFIKASI MULTI KELAS TOPIK VAKSIN COVID-19 PADA TWITTER

Jayapermana, Rama (2021) IMPLEMENTASI STACKING ENSEMBLE CLASSIFIER UNTUK KLASIFIKASI MULTI KELAS TOPIK VAKSIN COVID-19 PADA TWITTER. Sarjana thesis, Universitas Siliwangi.

[img] Text
1. COVER.pdf
Download (41kB)
[img] Text
4. ABSTRAK.pdf
Download (15kB)
[img] Text
2. LEMBAR PENGESAHAN TUGAS AKHIR.pdf
Download (17kB)
[img] Text
7. DAFTAR ISI, GAMBAR, TABEL.pdf
Download (120kB)
[img] Text
8. BAB I.pdf
Download (143kB)
[img] Text
9. BAB II.pdf
Download (415kB)
[img] Text
10. BAB III.pdf
Download (663kB)
[img] Text
11. BAB IV.pdf
Restricted to Repository staff only
Download (1MB)
[img] Text
12. BAB V.pdf
Restricted to Repository staff only
Download (73kB)
[img] Text
13. DAFTAR PUSTAKA.pdf
Download (152kB)

Abstract

ABSTRAK Vaksin COVID-19 menjadi trending topic di kalangan pengguna media sosial Twitter di Indonesia. Hal tersebut merupakan respon masyarakat terhadap program vaksinasi COVID-19 yang dilakukan oleh pemerintah Indonesia. Program ini bertujuan untuk menekan penyebaran virus COVID-19 di Indonesia. Berbagai opini tentang vaksin COVID-19 telah ditulis oleh masyarakat di media sosial Twitter. Opini - opini tersebut dapat digunakan untuk penelitian di bidang analisis sentimen. Banyak peneliti telah melakukan penelitian mengenai klasifikasi sentimen dengan data tweet COVID-19 dari Twitter menggunakan berbagai algoritma seperti Logistic Regression, Random Forest, dan Support Vector Machine (SVM). Namun, dari ragam penggunaan algoritma tersebut pada umumnya permasalahan akurasi masih menjadi perhatian para peneliti saat ini, bahkan permasalahan akurasi terkait klasifikasi multi-kelas masih membutuhkan penelitian lebih lanjut. Penelitian ini mengusulkan metode stacking ensemble classifier untuk menghasilkan akurasi yang lebih baik dengan menggabungkan algoritma Logistic Regression, Random Forest, dan Support Vector Machine (SVM) sebagai first-level learners serta menggunakan Logistic Regression sebagai meta-learner untuk klasifikasi multi-kelas topik vaksin COVID-19 pada Twitter. Berdasarkan hasil evaluasi, model Stacking Ensemble Classifier yang diusulkan menunjukkan nilai accuracy sebesar 86%, precision 85%, recall 86%, dan f1-score 85%. Namun dengan model Stacking Ensemble Classifier kedua menunjukkan nilai accuracy sebesar 51%, precision 52%, recall 51%, dan f1-score 52% dengan manggunakan dataset yang seimbang namun jumlah data yang lebih sedikit. vi Kata Kunci: Analisis Sentimen, Ensemble Method, Klasifikasi Multi-kelas, Stacking Ensemble Classifier, Vaksin COVID-19

Item Type: Thesis (Sarjana)
Subjects: T Technology > T Technology (General)
Divisions: Fakultas Teknik > Informatika
Depositing User: Dedi Natawijaya .
Date Deposited: 14 Feb 2022 01:15
Last Modified: 14 Feb 2022 01:15
URI: http://repositori.unsil.ac.id/id/eprint/4671

Actions (login required)

View Item View Item