Setyawan, Dwiki (2021) ANALISIS SENTIMEN PUBLIK DAMPAK CORONA TERHADAP EKONOMI INDONESIA MENGGUNAKAN MEDIA SOSIAL TWITTER. S1 thesis, Universitas Atma Jaya Yogyakarta.
|
Text (Dwiki Setyawan)
1507081501.pdf Download (1MB) | Preview |
|
![]() |
Text
1507081502.pdf Restricted to Registered users only Download (141kB) |
|
![]() |
Text
1507081503.pdf Restricted to Registered users only Download (201kB) |
|
![]() |
Text
1507081504.pdf Restricted to Registered users only Download (401kB) |
|
![]() |
Text
1507081505.pdf Restricted to Registered users only Download (610kB) |
Abstract
Virus Corona atau sebutan lainnya adalah Covid-19 (Corona Virus Disease) muncul pada bulan November 2019 di Wuhan, China. Seiring berjalannya waktu, virus tersebut sudah tidak lagi dikategorikan dengan sebuah wabah, tetapi dikategorikan pandemi atau sudah menyebar hampir ke seluruh negara di dunia, salah termasuk Indonesia. Munculnya Covid-19 di Indonesia pada bulan februari 2020 sudah mengakibatkan banyak sektor yang dirugikan, tidak hanya pada kesehatan, tetapi juga sektor ekonomi. Hal ini menimbulkan berbagai sentimen dari publik terkait munculnya Covid-19 di Indonesia melalui media sosial Twitter. Salah satu alasan publik menggunakan media sosial Twitter dikarenakan kemudahan pengguna untuk menyebarkan informasi atau sebuah kejadian secara real time. Munculnya banyak sentimen dalam twitter mendorong penulis untuk melakukan penelitian analisis sentimen dengan menggunakan metode Naïve Bayes Classifier yang dengan pembanding yaitu Support Vector Machine (SVM) untuk melakukan proses klasifikasi berdasarkan data twitter. Kata kunci untuk dalam menemukan polaritas sentimen adalah berkaitan “ekonomi dengan Covid-19”. Metode Naive Bayes Classifier digunakan untuk model klasifikasi apakah sentimen tersebut merupakan sentimen positif, sentimen negatif, atau sentimen netral. Berdasarkan hasil implementasi dua metode tersebut, metode Support Vector Machine (SVM) memiliki akurasi yang lebih tinggi dibanding metode Naïve Bayes Classifier yang dimana akurasi sebesar 99,8754% dengan jumlah opini yang lebih condong ke negatif, sedangkan tingkat akurasi dari metode Naive Bayes Classifier sebesar 80,3617% dengan condong negatif..
Item Type: | Thesis (S1) |
---|---|
Uncontrolled Keywords: | Covid-19, SentiStrength, Naïve Bayes Classifier, Sentiment Analysis, Opinion Mining, Support Vector Machine (SVM). |
Subjects: | Teknik Informatika > Mobile Computing |
Divisions: | Fakultas Teknologi Industri > Teknik Informatika |
Depositing User: | editor2 dua uajy |
Date Deposited: | 29 Jul 2021 09:42 |
Last Modified: | 29 Jul 2021 09:42 |
URI: | http://e-journal.uajy.ac.id/id/eprint/24394 |
Actions (login required)
![]() |
View Item |