Risa, Nafiatul (2023) Sentiment analysis ‘Kampus Merdeka’ pada twitter menggunakan model algoritma Support Vector Machine (SVM). Diploma thesis, Universitas Negeri Malang.
Full text not available from this repository.Abstract
Kampus Merdeka marupakan kebijakan Merdeka Belajar oleh Kementerian Pendidikan, Kebudayaan, Riset, dan Teknologi (Kemendikbudristek) yang memberikan seluruh mahasiswa kesempatan untuk mengasah kemampuan sesuai bakat dan minat dengan terjun langsung ke dunia kerja sebagai langkah persiapan karier. Dalam pelaksanaannya, pasti terdapat pro dan kontra dari mahasiswa yang mengikuti program Kampus Merdeka. Twitter merupakan media sosial yang sering digunakan sebagai media untuk mengungkapkan opini mengenai sesuatu yang sedang dirasakan atau dialami penggunanya. Tweet para pengguna dapat dimanfaatkan untuk review terhadap suatu produk, suatu masalah, atau kebijakan-kebijakan pemerintah. Kecenderungan opini mengenai program kampus merdeka dari pengguna Twitter perlu dikaji dan dianalisis untuk meningkatkan kinerja melalui umpan balik dari masyarakat dengan melakukan analisis sentimen. Penelitian ini bertujuan untuk melakukan analisis sentimen pada data tweets dengan kata kunci ‘kampus merdeka’. Analisis sentimen dilakukan untuk melihat pendapat atau kecenderungan opini positif, negatif, atau netral terhadap program kampus merdeka. Dataset berisi tweets dari tanggal 24 Januari 2020 saat peluncuran program kampus merdeka sampai tanggal 28 Februari 2023. Pengambilan data menggunakan library Snscrape dengan bahasa pemrograman Python. Sentimen dibagi menjadi kelas positif, negatif, dan netral. Metode CRISP-DM (Cross Industry Standard Process for Data Mining), digunakan untuk mengetahui sentimen dari tweet dengan beberapa tahapan yaitu business understanding, data understanding, data preparation, modelling, dan evaluation. Pelabelan ke dalam kelas positif, negatif, dan netral dilakukan secara coding berdasarkan kamus lexicon. Pemodelan dilakukan menggunakan metode Support Vector Machine (SVM). Nilai akurasi yang dihasilkan masing-masing skenario pembagian data latih dan data uji secara berturut-turut adalah 89,98%, 90,81%, dan 91,18%. Mayoritas pengguna twitter bersentimen positif sebesar 57.17%, sentimen negatif sebasar 26.77%, dan sentimen netral sebesar 16.10%. Skenario perbandingan data latih dan data uji secara 90:10 menghasilkan akurasi paling baik.
| Item Type: | Thesis (Diploma) |
|---|---|
| Subjects: | L Education > L Education (General) |
| Divisions: | Fakultas Teknik (FT) > Departemen Teknik Elektro (TE) > S1 Pendidikan Teknik Informatika |
| Depositing User: | mr mahasiswa UM |
| Date Deposited: | 06 Jul 2023 04:07 |
| Last Modified: | 06 Jul 2023 04:07 |
| URI: | http://repository.um.ac.id/id/eprint/3053 |
Actions (login required)
 |
View Item |