ANALISIS SENTIMEN TERHADAP OPINI MAHASISWA TERKAIT PEMBELAJARAN DARING DENGAN MENGGUNAKAN ALGORITMA NAÏVE BAYES CLASSIFIER DAN SVM DENGAN ADABOOST PADA MEDIA SOSIAL TWITTER

Ramli, Mohammad Rizal (2022) ANALISIS SENTIMEN TERHADAP OPINI MAHASISWA TERKAIT PEMBELAJARAN DARING DENGAN MENGGUNAKAN ALGORITMA NAÏVE BAYES CLASSIFIER DAN SVM DENGAN ADABOOST PADA MEDIA SOSIAL TWITTER. Sarjana thesis, Universitas Siliwangi.

	Text COVER.pdf Download (39kB)
	Text Lembar Pengesahan.pdf Download (203kB)
	Text Lembar Pengesahan Penguji.pdf Download (207kB)
	Text Lembar Pernyataan Keaslian.pdf Download (248kB)
	Text ABSTRAK.pdf Download (15kB)
	Text KATA PENGANTAR, DAFTAR ISI, DAFTAR TABEL, DAFTAR LAMPIRAN.pdf Download (150kB)
	Text BAB I.pdf Download (83kB)
	Text BAB II.pdf Download (409kB)
	Text BAB III.pdf Download (215kB)
	Text BAB IV.pdf Restricted to Repository staff only Download (790kB)
	Text BAB V.pdf Restricted to Repository staff only Download (14kB)
	Text DAFTAR PUSTAKA.pdf Download (149kB)
	Text LAMPIRAN.pdf Restricted to Repository staff only Download (170kB)

Abstract

ABSTRAK Twitter merupakan salah satu media sosial yang berfungsi untuk mengungkapkan pendapat mengenai isu atau masalah yang sedang terjadi seperti halnya masalah dibidang sosial, ekonomi, pendidikan dan masalah lainnya. Salah satu masalah yang sedang diperbincangkan sampai saat ini yaitu pembelajaran daring. Pemerintah mengeluarkan kebijakan salah satunya kepada seluruh mahasiswa untuk belajar di rumah saja secara online dengan menggunakan jaringan untuk bisa saling berinteraksi layaknya di dalam kelas. Alasan pemerintah mengeluarkan kebijakan tersebut untuk memutus rantai penyebaran virus Covid-19 yang sampai saat ini masih belum reda. Mengenai kebijakan pembelajaran daring ini menimbulkan pro dan kontra. Opini tersebut banyak diungkapkan di media sosial salah satunya media sosial twitter. Analisis sentimen merupakan sebuah metode untuk menganalisis sebuah pendapat yang bertujuan untuk dilakukan mengklasifikasikan teks. Metode Naïve Bayes Classifier dan Support Vector Machine merupakan metode machine learning yang bisa digunakan untuk analisis sentimen. Masalah dalam pengklasifikasian teks adalah kurang optimalnya akurasi yang dihasilkan, sehingga diperlukan seleksi fitur atau boosting untuk bisa meningkatkan akurasinya. Penelitian ini dilakukan optimalisasi boosting dengan menggunakan Adaboost. Tujuan dari penelitian ini adalah membandingkan performa algoritma sebelum dan sesudah menggunakan Adaboost. Hasil analisis sentimen terhadap pembelajaran daring ini didapatkan hasil akurasi tertinggi oleh algoritma Naïve Bayes Classifier ditambah dengan Adaboost sebesar 99.26%, dengan presisi sebesar 99.39% dan recall 99.20%. Kata Kunci : Adaboost, Analisis Sentimen, Covid-19, Kuliah Online, Naïve Bayes, SVM, Twitter.

Actions (login required)

View Item