ANALISIS SENTIMEN TERHADAP ANIES BASWEDAN DI MEDIA SOSIAL X DENGAN SUPPORT VECTOR MACHINE DAN RANDOM FOREST

RAMADHAN, VIKRY (2024) ANALISIS SENTIMEN TERHADAP ANIES BASWEDAN DI MEDIA SOSIAL X DENGAN SUPPORT VECTOR MACHINE DAN RANDOM FOREST. Skripsi thesis, UNIVERSITAS SANGGA BUANA YPKP.

	Text Cover.pdf - Accepted Version Available under License Creative Commons Public Domain Dedication. Download (22kB)
	Text Lembar Pengesahan.pdf - Accepted Version Available under License Creative Commons Public Domain Dedication. Download (1MB)
	Text Lembar Pernyataan.pdf - Accepted Version Available under License Creative Commons Public Domain Dedication. Download (1MB)
	Text Abstrak.pdf - Accepted Version Available under License Creative Commons Public Domain Dedication. Download (55kB)
	Text Bab 1.pdf - Accepted Version Available under License Creative Commons Public Domain Dedication. Download (151kB)
	Text Skripsi Full.pdf - Accepted Version Restricted to Repository staff only Available under License Creative Commons Public Domain Dedication. Download (4MB) | Request a copy
	Text Daftar Pustaka.pdf - Accepted Version Available under License Creative Commons Public Domain Dedication. Download (141kB)
	Text Surat Hasil Cek Plagiarisme.pdf - Accepted Version Available under License Creative Commons Public Domain Dedication. Download (727kB)

Abstract

Penelitian ini dilakukan untuk menganalisis sentimen publik terhadap Anies Baswedan di media sosial X, mengingat pentingnya pemahaman akan pandangan publik dalam konteks politik dan komunikasi massa. Dalam penelitian ini ada dua algoritma machine learning yaitu Support Vector Machine (SVM) dan Random Forest digunakan untuk membangun model klasifikasi sentimen. Data yang digunakan terdiri dari 1050 tweet yang dikumpulkan melalui proses crawling. Data ini kemudian dibagi menjadi 80% untuk pelatihan model dan 20% untuk pengujian. Setelah melakukan crawling, data akan melalui tahap preprocessing yang mencakup labeling manual, cleaning, case folding, tokenizing, stopword removal dan stemming diikuti dengan matrix generation menggunakan metode TF-IDF. Selanjutnya algoritma Support Vector Machine (SVM) dan Random Forest diterapkan untuk membangun model klasifikasi sentimen. Hasil penelitian menunjukkan bahwa Random Forest unggul dibandingkan Support Vector Machine (SVM) dengan mencatatkan rata-rata akurasi sebesar 99.68%, presisi 99.47%, dan recall 99.56%, sedangkan Support Vector Machine (SVM) mencatatkan rata-rata akurasi 99.36%, presisi 98.95%, dan recall 99.09%. Evaluasi model dilakukan menggunakan K-Fold Cross Validation yang mengindikasikan bahwa Random Forest memiliki performa yang lebih stabil dan konsisten. Kesimpulan dari penelitian ini menunjukkan bahwa metode Random Forest lebih efektif dan andal untuk digunakan dalam klasifikasi sentimen dibandingkan dengan Support Vector Machine (SVM) terutama dalam hal keandalan dan stabilitas performa.

Actions (login required)

View Item