Implementasi Metode Support Vector Machine dan Naive Bayes untuk Analisis Opini Publik Tentang Hantavirus pada Platform TikTok

Jannah, Miftahul (2026) Implementasi Metode Support Vector Machine dan Naive Bayes untuk Analisis Opini Publik Tentang Hantavirus pada Platform TikTok. Tugas Akhir (S1) - thesis, Universitas Bakrie.

	Text (Cover) Text (Cover).pdf - Accepted Version Download (500kB)
	Text (BAB I-III) BAB 1-3.pdf - Accepted Version Restricted to Registered users only Download (1MB) | Request a copy
	Text (BAB IV) BAB 4.pdf - Accepted Version Restricted to Registered users only Download (674kB) | Request a copy
	Text (BAB V) BAB 5.pdf - Accepted Version Restricted to Registered users only Download (123kB) | Request a copy
	Text (Daftar Pustaka) DAFTAR PUSTAKA.pdf - Accepted Version Download (236kB)
	Text (Lampiran) LAMPIRAN.pdf - Accepted Version Restricted to Registered users only Download (91kB) | Request a copy

Abstract

Hantavirus merupakan salah satu isu kesehatan yang mendapat perhatian masyarakat Indonesia pada tahun 2026 setelah ditemukan sejumlah kasus di beberapa wilayah. Tanggapan masyarakat terhadap isu tersebut banyak disampaikan melalui kolom komentar TikTok, namun volume komentar yang besar dan bersifat informal menyulitkan analisis secara manual. Penelitian ini bertujuan untuk menganalisis sentimen opini masyarakat terhadap Hantavirus pada platform TikTok serta membandingkan performa algoritma LinearSVC dan Multinomial Naive Bayes dalam mengklasifikasikan sentimen tersebut. Data penelitian berupa 5.203 komentar dari delapan unggahan TikTok akun SCTV dan Liputan6 yang dikumpulkan melalui teknik web scraping pada periode Mei–Juni 2026. Setelah melalui tahap filtering bahasa daerah dan text preprocessing (cleaning, case folding, normalization, tokenizing, stopword removal, dan stemming), diperoleh 4.818 komentar yang diberi label sentimen positif, negatif, dan netral menggunakan pendekatan rule-based berbasis InSet Lexicon. Data selanjutnya direpresentasikan menggunakan TF-IDF, ditangani ketidakseimbangan kelasnya dengan Random Oversampling, dan dibagi dengan rasio 80:20 sebelum diklasifikasikan menggunakan LinearSVC dan Multinomial Naive Bayes. Hasil analisis sentimen menunjukkan bahwa opini masyarakat didominasi sentimen negatif (44,77%), diikuti sentimen positif (28,21%) dan netral (27,02%). Hasil pengujian model menunjukkan bahwa LinearSVC memperoleh performa lebih baik dibandingkan Multinomial Naive Bayes, dengan nilai accuracy 83,71%, precision 84,55%, recall 83,71%, dan F1-score 83,92%, sedangkan Multinomial Naive Bayes memperoleh accuracy 75,00%, precision 75,99%, recall 75,00%, dan F1-score 74,84%. Dengan demikian, LinearSVC merupakan algoritma dengan performa klasifikasi terbaik pada penelitian ini.

Item Type:	Thesis (Tugas Akhir (S1) - )
Uncontrolled Keywords:	Analisis Sentimen, Hantavirus, TikTok, LinearSVC, Multinomial Naive Bayes, TF-IDF
Subjects:	Computer Science Computer Science > Information analysis Thesis > Thesis (S1)
Divisions:	Fakultas Teknik dan Ilmu Komputer > Program Studi Informatika
Depositing User:	Miftahul Jannah
Date Deposited:	23 Sep 2026 02:48
Last Modified:	23 Sep 2026 02:48
URI:	https://repository.bakrie.ac.id/id/eprint/15085

Actions (login required)

View Item