Attaraqie, Titto Mahogany (2024) Analisis sentimen publik terhadap fatwa mui tentang produk pro-israel menggunakan algoritma support vector machine (svm) dan logistic regression / Titto Mahogany Attaraqie</p>. Diploma thesis, Universitas Negeri Malang.
Full text not available from this repository.Abstract
p Pada tahun 2023 terjadi konflik antara Israel dan Palestina yang memanas hingga berujung pada agresi. Majelis Ulama Indonesia (MUI) untuk menetapkan Fatwa MUI Nomor 83 Tahun 2023 tentang dukungan terhadap perjuangan Palestina sebagai salah satu bentuk sikap penolakan atas agresi yang dilakukan oleh Israel terhadap Palestina. Hal tersebut memicu berbagai tanggapan dan komentar dari masyarakat Indonesia di media sosial. Penelitian ini akan mengeksplorasi opini masyarakat Indonesia terkait dengan isu tersebut dengan melakukan analisis sentimen berbasis machine learning. Analisis sentimen akan dilakukan untuk melihat opini masyarakat secara umum memiliki sentimen positif negatif atau netral. Tujuan dari penelitian ini adalah untuk mengetahui sentimen dari opini masyarakat Indonesia terhadap Fatwa MUI Nomor 83 Tahun 2023 serta untuk membandingkan beberapa model klasifikasi dalam melakukan analisis sentimen. Dalam penelitian ini terdiri dari beberapa tahapan yaitu dimulai dari pengumpulan data data preprocessing pelabelan data ekstraksi fitur klasifikasi evaluasi hingga analisis hasil. Post atau tweet yang diperoleh dari platform media sosial Twitter menjadi sumber data penelitian ini. Pelabelan data akan dilakukan secara otomatis menggunakan InSet Lexicon. Dalam penelitian ini model Support Vector Machine (SVM) dan Logistic Regression diimplementasikan untuk melakukan klasifikasi. Sedangkan metode ekstraksi fitur yang digunakan adalah Bag of Words TF-IDF dan Word2Vec. Beberapa skenario yang merupakan kombinasi antara algoritma klasifikasi dan metode ekstraksi fitur akan diuji dan dibandingkan performanya dalam melakukan analisis sentimen. Hasil analisis sentimen terhadap tweet dengan topik Fatwa MUI Nomor 83 Tahun 2023 menunjukkan bahwa opini masyarakat Indonesia di media sosial Twitter memiliki 48 5% sentimen negatif 43 1% sentimen positif dan 8 4% sentimen netral. Dari hasil pengujian dan evaluasi yang dilakukan mendapatkan bahwa kombinasi yang menghasilkan performa terbaik adalah model Support Vector Machine (SVM) dengan ekstraksi fitur TF-IDF yang memiliki tingkat akurasi sebesar 89 38% dan f1-score sebesar 89 16%. /p
| Item Type: | Thesis (Diploma) |
|---|---|
| Divisions: | Fakultas Teknik (FT) > Departemen Teknik Elektro (TE) > S1 Teknik Informatika |
| Depositing User: | library UM |
| Date Deposited: | 02 Jul 2024 04:29 |
| Last Modified: | 09 Sep 2024 03:00 |
| URI: | http://repository.um.ac.id/id/eprint/355591 |
Actions (login required)
 |
View Item |