IMPLEMENTASI ENSEMBLE MACHINE LEARNING CLASSIFIER DAN SYNTHETIC MINORITY OVERSAMPLING TECHNIQUE UNTUK ANALISIS SENTIMEN TERHADAP SUSTAINABLE DEVELOPMENT GOALS DI INDONESIA

Fajar, Nur (2022) IMPLEMENTASI ENSEMBLE MACHINE LEARNING CLASSIFIER DAN SYNTHETIC MINORITY OVERSAMPLING TECHNIQUE UNTUK ANALISIS SENTIMEN TERHADAP SUSTAINABLE DEVELOPMENT GOALS DI INDONESIA. Sarjana thesis, Universitas Siliwangi.

	Text COVER.pdf Download (40kB)
	Text LEMBAR PENGESAHAN.pdf Download (522kB)
	Text ABSTRAK.pdf Download (56kB)
	Text KATA PENGANTAR, DAFTAR ISI, DAFTAR TABEL (1).pdf Download (255kB)
	Text BAB I.pdf Download (153kB)
	Text BAB II.pdf Download (358kB)
	Text BAB III.pdf Download (175kB)
	Text BAB IV.pdf Restricted to Repository staff only Download (786kB)
	Text BAB V.pdf Restricted to Repository staff only Download (58kB)
	Text DAFTAR PUSTAKA.pdf Download (131kB)
	Text LAMPIRAN.pdf Restricted to Repository staff only Download (922kB)

Abstract

ABSTRAK Tujuan Pembangunan Berkelanjutan (TPB) atau Sustainable Development Goals (SDGs) merupakan komitmen global dan nasional dalam upaya meningkatkan kesejahteraan masyarakat, termasuk 17 tujuan yang disepakati pada tahun 2015 untuk mencapai kehidupan manusia yang lebih baik. Setelah hampir setengah jalan dari SDGs, akan menarik untuk mengetahui bagaimana masyarakat merespons SDGs. Memang tidak semua orang mengetahui SDGs, namun setiap orang memiliki masalahnya masing-masing. Respon masyarakat ini akan ditelaah sebagai analisis sentimen yang akan positif, netral, atau negatif. Twitter memiliki 18,45 juta pengguna di antara semua pengguna internet di Indonesia yang memungkinkan orang untuk menulis tentang apa pun yang terjadi dalam kehidupan mereka seperti urusan lingkungan, pendidikan, makanan, kesehatan, dan lain-lain. Peneliti menggunakan Ensemble Machine Learning Classifier untuk memodelkan data yang diambil. Dari pemodelan ini diperoleh akurasi sebesar 91% menggunakan SMOTE, meningkat 5% dibandingkan saat tidak menggunakan SMOTE. Dari 15698 twit, penelitian ini menemukan bahwa 47% adalah sentimen positif, 28% adalah sentimen negatif dan sisanya 25% adalah sentimen netral. Hasil ini menunjukkan harapan tren yang baik dalam perjalanan SDGs hingga 2030. Kata Kunci: SDGs, Analisis Sentimen, RapidMiner, Machine Learning, SMOTE

Item Type:	Thesis (Sarjana)
Subjects:	T Technology > T Technology (General)
Divisions:	Fakultas Teknik > Informatika
Depositing User:	Lelis Masridah
Date Deposited:	01 Feb 2023 08:42
Last Modified:	01 Feb 2023 08:42
URI:	http://repositori.unsil.ac.id/id/eprint/8241

Actions (login required)

View Item