Arifin, Miranda Putri (2024) PERSPEKTIF DIGITAL PEMILU 2024 : ANALISIS SENTIMEN APLIKASI TWITTER (X) MENGGUNAKAN ALGORITMA SVM (SUPPORT VECTOR MACHINE). Undergraduate thesis, Universitas Nusantara PGRI Kediri.
Text (Full text)
RAMA_55201_2013020211.pdf - Accepted Version Restricted to Registered users only Available under License Creative Commons Public Domain Dedication. Download (5MB) | Request a copy |
|
Text (Similarity)
RAMA_55201_2013020211_SIMILARITY.pdf - Accepted Version Available under License Creative Commons Public Domain Dedication. Download (380kB) |
|
Text (Cover sd BAB 1 + References)
RAMA_55201_2013020211_0729098903_0703018704_01_front_ref.pdf - Accepted Version Available under License Creative Commons Public Domain Dedication. Download (1MB) |
|
Text (BAB 2)
RAMA_55201_2013020211_0729098903_0703018704_02.pdf - Accepted Version Restricted to Registered users only Available under License Creative Commons Public Domain Dedication. Download (297kB) | Request a copy |
|
Text (BAB 3)
RAMA_55201_2013020211_0729098903_0703018704_03.pdf - Accepted Version Restricted to Registered users only Available under License Creative Commons Public Domain Dedication. Download (633kB) | Request a copy |
|
Text (BAB 4)
RAMA_55201_2013020211_0729098903_0703018704_04.pdf - Accepted Version Restricted to Registered users only Available under License Creative Commons Public Domain Dedication. Download (758kB) | Request a copy |
|
Text (BAB 5)
RAMA_55201_2013020211_0729098903_0703018704_05.pdf - Accepted Version Restricted to Registered users only Available under License Creative Commons Public Domain Dedication. Download (153kB) | Request a copy |
|
Text (References)
RAMA_55201_2013020211_0729098903_0703018704_06_ref.pdf - Bibliography Available under License Creative Commons Public Domain Dedication. Download (177kB) |
|
Text (Lampiran)
RAMA_55201_2013020211_0729098903_0703018704_07_lamp.pdf - Accepted Version Restricted to Registered users only Available under License Creative Commons Public Domain Dedication. Download (3MB) | Request a copy |
Abstract
Kampanye Pemilu Presiden Indonesia 2024 yang memanas memotivasi peneliti untuk menganalisis sentimen dari postingan di Twitter. Debat publik di antara para calon presiden menarik perhatian besar, sehingga teknologi analisis sentimen sangat berguna untuk memahami opini publik. Analisis sentimen, cabang dari data mining, bertujuan untuk mengukur sentimen seperti emosi dan opini dalam sebuah teks. Analisis sentimen yang efektif memerlukan pengenalan konteks bahasa di media sosial, terutama dalam diskusi politik, serta interpretasi opini publik dari volume data besar secara real-time. Twitter, sebagai platform yang banyak digunakan untuk berbagi opini, sangat relevan untuk saat ini. Penelitian ini menggunakan machine learning dengan algoritma Support Vector Machine (SVM) yang canggih untuk mengelola data besar. Data yang diperoleh mencapai 3000 lebih, kemudian diolah menggunakan preprocessing pada tahap analisis. Setelah dilakukan semua analisis dan model didapat hasil persentase 90% keatas. Hal ini membuktikan bahwa tujuan dari evaluasi model tujuan dari evaluasi model yaitu perlakuan dengan machine learning Support Vector Machine ini sangat optimal pengolahannya dan hasilnya, serta dapat di ketahui untuk kemampuan analisis sentimen dalam memahami penggunaan bahasa dan meminimalisir kesalahan tafsir atau klasifikasi dalam menafsirkan sentimen publik terhadap Pemilu Presiden 2024.
Item Type: | Thesis (Undergraduate) |
---|---|
Uncontrolled Keywords: | Analisis Sentimen, Kampanye Pemilu, Klasifikasi, Opini, Support Vector Machine, Twitter |
Subjects: | 410 Engineering science > 457 Computer engineering 410 Engineering science > 459 Computer science 410 Engineering science > 463 Software engineering 410 Engineering science > 473 Mining engineering (mining engineering) |
Divisions: | Fakultas Teknik dan Ilmu Komputer > S1-Teknik Informatika |
Depositing User: | Miranda Putri Arifin |
Date Deposited: | 13 Aug 2024 14:07 |
Last Modified: | 13 Aug 2024 14:07 |
URI: | http://repository.unpkediri.ac.id/id/eprint/14745 |
Actions (login required)
View Item |