Hadiyana, Sela (2023) SENTIMEN ANALISIS KETERBATASAN KESEMPATAN KERJA DALAM BIDANG YANG DIMINATI BAGI GEN Z MENGGUNAKAN ALGORITME NAIVE BAYES. S1 thesis, Universitas Atma Jaya Yogyakarta.
|
Text (Sela Hadiyana)
160708834_Bab 0.pdf Download (410kB) | Preview |
|
|
Text
160708834_Bab 1.pdf Download (302kB) | Preview |
|
|
Text
160708834_Bab 2.pdf Download (224kB) | Preview |
|
![[img]](http://e-journal.uajy.ac.id/style/images/fileicons/text.png) |
Text
160708834_Bab 3.pdf Restricted to Registered users only Download (954kB) |
|
|
Text
160708834_Bab 4.pdf Restricted to Registered users only Download (961kB) |
|
|
Text
160708834_Bab 5.pdf Restricted to Registered users only Download (295kB) |
|
|
Text
160708834_Bab 6.pdf Download (318kB) | Preview |
Abstract
Di era digital saat ini, orang-orang dapat dengan mudah berbagi opini atau pendapat melalui media sosial. Dengan demikian media sosial dapat menjadi sumber data opini atau sentimen masyarakat, di mana data tersebut dapat digunakan untuk studi sosial. Studi sosial yang saat ini menjadi masalah krusial dalam negara berkembang, termasuk Indonesia adalah persoalan keterbatasan kesempatan kerja. Masalah sosial dapat dirasakan oleh siapa saja, tidak terkecuali Gen Z sebagai bagian dari penduduk yang akan dan telah memasuki usia kerja. Terlepas dari permasalahan tentang keterbatasan kesempatan kerja, dapat dilakukan penelitian sentimen Gen Z dari media sosial. Dalam melakukan penelitian sentimen diperlukan algoritme klasifikasi dan teknik ekstraksi fitur untuk mengembangkan model Sentimen Analisis dengan nilai akurasi yang tinggi. Dalam penelitian ini menggunakan algoritme Naive Bayes dan teknik TF-IDF, di mana berdasarkan penelitian sebelumnya menghasilkan nilai akurasi yang cukup tinggi. Dari hasil evaluasi dengan 131 data pengujian, algoritme Naive Bayes dengan TF-IDF menghasilkan nilai Accuracy 72%. Nilai Precision untuk sentimen Negative 69% dan sentimen Positive 100%. Nilai Recall sentimen Negative 100% dan sentimen Positive 26%. Kemudian, nilai F1-Score sentimen Negative 81% dan sentimen Positive 41%
| Item Type: | Thesis (S1) |
|---|---|
| Uncontrolled Keywords: | Machine Learning, Sentimen Analisis, TF-IDF, Natural Language Processing, Gen Z |
| Subjects: | Teknik Informatika > Enterprise Inf System |
| Divisions: | Fakultas Teknologi Industri > Teknik Informatika |
| Depositing User: | Editor 3 uajy |
| Date Deposited: | 30 Nov 2023 17:51 |
| Last Modified: | 30 Nov 2023 17:51 |
| URI: | http://e-journal.uajy.ac.id/id/eprint/30702 |
Actions (login required)
 |
View Item |
