Analisis Sentimen Tanggapan Masyarakat Terhadap Campak Menggunakan Metode Naïve Bayes Di Media Sosial Twitter

Fransis, Marlon Masae (2023) Analisis Sentimen Tanggapan Masyarakat Terhadap Campak Menggunakan Metode Naïve Bayes Di Media Sosial Twitter. Other thesis, Universitas Wijaya Putra.

Text (Analisis Sentimen Tanggapan Masyarakat Terhadap Campak Menggunakan Metode Naïve Bayes Di Media Sosial Twitter) SKRIPSI 19053013 Analisis Sentimen Tanggapan Masyarakat Terhadap Campak Menggunakan Metode Naïve - FRANSIS MARLON MASAE.pdf Restricted to Registered users only Download (2MB)

Abstract

Bagaimana menggunakan pendekatan Naive Bayes untuk melakukan analisis sentimen di jejaring sosial Twitter, dan bagaimana pandangan yang dibagikan di media sosial mencerminkan bagaimana persepsi masyarakat terhadap kebijakan aplikasi web Kementerian Kesehatan yang menggunakan pendekatan Naive Bayes. Analisis terkait campak tweet menggunakan teknologi penambangan teks. Temukan persepsi masyarakat Indonesia terhadap penyakit campak dengan melihat aktivitas Twitter mereka. Salah satu algoritma yang digunakan dalam pendekatan klasifikasi adalah klasifikasi Naive Bayes. Pendekatan statistik dan probabilitas ilmuwan Inggris Thomas Bayes, yang dikenal sebagai Teorema Bayes, digunakan untuk mengklasifikasikan data menggunakan metode klasifikasi Naif Bayes. Metode ini memprediksi peluang masa depan berdasarkan data historis. Teorema ini dipasangkan dengan Naif, yang membuat asumsi keliru bahwa kriteria yang mengatur kualitas tidak berhubungan satu sama lain. Tweet dari jejaring sosial Twitter yang berjumlah 1.193 dokumen diikutsertakan dalam studi analisis sentimen campak yang dilakukan di platform tersebut. Terdapat dua kategori kelas untuk setiap tweet, dengan 735 tanggapan positif dan 458 tanggapan negatif. Berdasarkan temuan pengkategorian opini masyarakat terhadap penyakit campak, terdapat rasio 60,2% emosi positif yang mendukung penyakit tersebut dan 39,8% sentimen negatif. Terhadap saran-saran yang diberikan untuk penyempurnaan penelitian ini ke depannya, khususnya dalam melakukan proses normalisasi kata, diharapkan perbendaharaan kata dalam kamus normalisasi akan bertambah sehingga istilah-istilah slang yang dinormalisasi akan semakin banyak. Karena pada penelitian ini masih terdapat noise yang mungkin mempengaruhi performa model klasifikasi, maka penting bagi penelitian selanjutnya untuk memberikan perhatian khusus pada langkah pra-pemrosesan.
Kata Kunci : Campak, Naïve Bayes, Media Sosial Twitter

Actions (login required)

View Item