SENTIMENT ANALYSIS PEMILU PRESIDEN INDONESIA 2019 PADA TWITTER DENGAN LEXICON-BASED DAN SUPPORT VECTOR MACHINE (SVM)

Putra, Fredericus Dwi Nugraha (2019) SENTIMENT ANALYSIS PEMILU PRESIDEN INDONESIA 2019 PADA TWITTER DENGAN LEXICON-BASED DAN SUPPORT VECTOR MACHINE (SVM). S2 thesis, UAJY.

Preview	Text (HALAMAN AWAL) 1753026720.pdf Download (642kB) | Preview
Preview	Text (BAB I) 1753026721.pdf Download (78kB) | Preview
Preview	Text (BAB II) 1753026722.pdf Download (67kB) | Preview
	Text (BAB III) 1753026723.pdf Restricted to Registered users only Download (182kB)
	Text (BAB IV) 1753026724.pdf Restricted to Registered users only Download (973kB)
Preview	Text (BAB V) 1753026725.pdf Download (387kB) | Preview
Preview	Text (BAB VI) 1753026726.pdf Download (488kB) | Preview

Abstract

Perkembangan media social saat ini sangat pesat, dan twitter merupakan media social yang banyak digunakan orang dalam menyebarkan informasi, bahkan dalam proses pemilihan umum presiden media social twitter memiliki peran penting dalam penyebaran informasi yang bertujuan baik ataupun jahat dengan tujuan menjatuhkan citra salah satu calon presiden. Penelitian ini bertujuan menganalisa seluruh informasi yang di dapatkan dari twitter untuk memperoleh nilai positif dan negatif hingga didapatkan prediksi elektabilitas calon presiden. Pada proses klasifikasi penelitian ini mengunakan metode Lexicon-Base dan Support Vector Machine (SVM). Tahapan preprocessing data mengunakan Part-Of-Speech Tagging, chi-square test, dan aggregating opinion pada entity (NN & NNP) yang bertujuan supaya tidak terjadi low recall dari metode lexicon- based. Data yang digunakan mengambil tweet baik berbahasa indonesia maupun inggris dengan jumlah dataset 2000 tweet dengan pemisahan dua opinion dari masing-masing calon presiden. Dari Akurasi polaritas di dapatkan nilai dengan keyword jokowi memperoleh nilai positif 24.10%, negatif 38.30% dan netral 38.30% sedangkan untuk keyword prabowo memperoleh nilai positif 0.20%, negatif 0.10% dan netral 0.70%.

Actions (login required)

View Item