ANALISIS SENTIMEN PEMBERLAKUAN KARANTINA DI MASA COVID-19 PADA MEDIA SOSIAL TWITTER DI INDONESIA MENGGUNAKAN ALGORITME SUPPORT VECTOR MACHINE (SVM) DAN LEXICON BASED

MUHAMMAD, ARSYI SOBIRIN (2023) ANALISIS SENTIMEN PEMBERLAKUAN KARANTINA DI MASA COVID-19 PADA MEDIA SOSIAL TWITTER DI INDONESIA MENGGUNAKAN ALGORITME SUPPORT VECTOR MACHINE (SVM) DAN LEXICON BASED. FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM, UNIVERSITAS LAMPUNG.

Preview	File PDF 1. ABSTRAK - ABSTRACT.pdf Download (11Kb) | Preview
	File PDF 2. SKRIPSI FULL.pdf Restricted to Hanya staf Download (3457Kb) | Minta salinan
Preview	File PDF 3. SKRIPSI TANPA BAB PEMBAHASAN.pdf Download (2750Kb) | Preview

Abstrak (Berisi Bastraknya saja, Judul dan Nama Tidak Boleh di Masukan)

Corona Virus Disease 2019 atau COVID-19 adalah virus yang sangat berbahaya karena tingkat penularannya yang tinggi. Virus ini dapat menyebar melalui kontak langsung atau berada di dekat orang yang terinfeksi dan barang yang terkontaminasi sehingga mudah menyebar ke berbagai dunia. Virus COVID-19 membuat sebagian manusia terganggu dalam melakukan aktivitasnya, bahkan musibah ini membuat manusia jatuh sakit dan sampai kehilangan nyawa. Pemberlakuan karantina diterapkan sebagai salah satu upaya untuk mengatasi penyebaran virus COVID-19. Upaya yang dilakukan menuai kritik dan saran dari berbagai kalangan masyarakat khususnya dalam penerapan karantina kesehatan. Dengan berkembangnya teknologi yang ada, masyarakat dapat mengeluarkan pendapatnya di berbagai jejaring media sosial salah satunya Twitter. Pada penelitian ini data yang didapat dari twitter dipreprocessing dan dilabeli kedalam kelas positif atau negatif secara manual dan dengan metode lexicon based, sedangkan untuk klasifikasinya menggunakan metode Support Vector Machine (SVM). Berdasarkan hasil penelitian yang dilakukan didapatkan hasil dari klasifikasi algoritme Support Vector Machine (SVM) dengan pelabelan secara manual menunjukkan nilai klasifikasi yang lebih baik dengan percobaan oversampling pembagian data training 90% dan testing 10% didapatkan hasil akurasi sebesar 97,36% dibandingkan dengan pelabelan InSetLexicon sebesar 97% . Kata kunci: Analisis Sentimen, Karantina, Support Vector Machine, Lexicon Based.

Jenis Karya Akhir:	Skripsi
Subyek:	500 ilmu pengetahuan alam dan matematika
Program Studi:	FAKULTAS MIPA > Prodi Ilmu Komputer
Pengguna Deposit:	2301601049 . Digilib
Date Deposited:	20 Feb 2023 02:50
Terakhir diubah:	20 Feb 2023 02:50
URI:	http://digilib.unila.ac.id/id/eprint/69570

Actions (login required)

Lihat Karya Akhir