Analisis Ulasan Data Layanan Telekomunikasi Indonesia Pada Twitter Menggunakan Metode Naive Bayes Dengan Feature Selection

Fitriani, Rifinda (2020) Analisis Ulasan Data Layanan Telekomunikasi Indonesia Pada Twitter Menggunakan Metode Naive Bayes Dengan Feature Selection. Tugas Akhir (S1) - thesis, UNIVERSITAS BAKRIE.

[thumbnail of Cover]
Preview
Text (Cover)
00. Cover.pdf - Submitted Version

Download (1MB) | Preview
[thumbnail of BAB I - III] Text (BAB I - III)
01. BAB I-III.pdf - Submitted Version
Restricted to Registered users only

Download (1MB)
[thumbnail of BAB IV] Text (BAB IV)
02. BAB IV.pdf - Submitted Version
Restricted to Registered users only

Download (1MB)
[thumbnail of BAB V] Text (BAB V)
03. BAB V.pdf - Submitted Version
Restricted to Registered users only

Download (703kB)
[thumbnail of DAFTAR PUSTAKA]
Preview
Text (DAFTAR PUSTAKA)
04. BAB Daftar Pustaka.pdf - Submitted Version

Download (837kB) | Preview
[thumbnail of Lampiran] Text (Lampiran)
05. Lampiran.pdf - Submitted Version
Restricted to Registered users only

Download (869kB)

Abstract

Twitter adalah salah satu layanan media sosial dan microblogging online yang paling umum digunakan dengan banyaknya pengguna dapat berbagi pikiran dan pendapat mereka tentang berbagai aspek. Hal ini karena twitter dianggap sebagai sumber yang kaya informasi untuk pengambilan keputusan dan analisis sentimen. Analisis sentimen ini bertujuan untuk mengatasi opinion mining yang berasal dari tweets untuk menentukan positif dan negatif pada Twitter agar dapat mengetahui kualitas provider telekomunikasi yang berada di Indonesia. Dalam penelitian ini, data yang diambil merupakan tweet ulasan pelanggan masing-masing pengguna provider yang berada di twitter. Terdapat tiga provider yang dijadikan kategori dalam melakukan analisis sentimen. Dari tiga provider tersebut akan diambil masing-masing 300 data dengan total jumlah data sebanyak 900 data ulasan yang akan dilakukan penelitian. Data tersebut kemudian dilakukan preprocessing dan pengklasifikasian menggunakan algoritma Naive Bayes dengan perbandingan seleksi fitur antara Information Gain dan Term Frequency Invers Document Frequency. Menghasilkan pengukuran performa diperoleh masing-masing akurasi sebesar 77,50% untuk TF-IDF dan Naive Bayes, serta akurasi yang diperoleh untuk IG dan Naive Bayes sebesar 87,50%.

Item Type: Thesis (Tugas Akhir (S1) - )
Uncontrolled Keywords: Twitter, Naive Bayes Classifier (NBC), Analisis Sentimen, TF-IDF, Information Gain, Seleksi Fitur
Subjects: Computer Science > Android Software Development
Computer Science > Informatics
Thesis > Thesis (S1)
Divisions: Fakultas Teknik dan Ilmu Komputer > Program Studi Informatika
Depositing User: Rifinda Fitriani
Date Deposited: 05 Jun 2020 08:33
Last Modified: 05 Jun 2020 08:53
URI: https://repository.bakrie.ac.id/id/eprint/3443

Actions (login required)

View Item View Item