ANALISIS SENTIMEN TERHADAP LION AIR BERDASARKAN TWEET DI TWITTER

Manik, Apri Linayanti (2019) ANALISIS SENTIMEN TERHADAP LION AIR BERDASARKAN TWEET DI TWITTER. S1 thesis, UAJY.

[img] Text
TF08578.pdf
Restricted to Repository staff only

Download (2MB)

Abstract

Twitter merupakan salah satu jejaring sosial yang memungkinkan pengguna untuk memperoleh atau membagikan sebuah berita atau informasi berbasis teks dan hanya memuat 140 karakter dan dapat disebut sebagai tweet. Dengan banyaknya pengguna Twitter di Indonesia menjadikan twitter sebagai salah satu media penampung opini dan ekspresi masyarakat. Di Indonesia banyak pengguna Twitter yang saling membagikan opini mereka atau informasi yang sedang viral, termasuk mengenai kecelakaan Lion Air yang menjadi salah satu topik yang sedang diperbincangkan di Twitter. Opini-opini masyarakat terhadap kecelakaan Lion Air ini akan dianalisa dengan menggunakan weka. Data yang digunakan oleh penulis adalah data dari Twitter yaitu berupa tweet yang membahas jatuhnya Lion Air dengan menggunakan #savelionair dan #prayforlionair. Analisis data akan dilakukan dengan metode data mining, yaitu metode Naive Bayes Classifier dan K-Nearest Neighbor dengan model pengklasifikasian kedalam opini negatif, positif ataupun netral. Setelah melakukan analisis, hasil akurasi yang didapat dengan mengunakan dua metode yaitu Naive Bayes Classifier dan K-Nearest Neighbor adalah 99,6292% dan 98,9905% dari 100% dengan jumlah data 7.627. Dari hasil akurasi dua metode yang digunakan menunjukkan bahwa kedua metode tersebut mampu mengklasifikasi kelas sentimen dengan baik. Dalam hal ini sentimen negatif adalah yang tertinggi.

Item Type: Thesis (S1)
Uncontrolled Keywords: Lion Air, analisis sentimen, naive bayes classifier, Twitter, K-Nearest Neighbor, data mining, weka.
Subjects: Teknik Informatika > Mobile Computing
Divisions: Fakultas Teknologi Industri > Teknik Informatika
Depositing User: Editor UAJY
Date Deposited: 17 Feb 2020 03:24
Last Modified: 17 Feb 2020 03:24
URI: http://e-journal.uajy.ac.id/id/eprint/21420

Actions (login required)

View Item View Item