Farasalsabila, Fidya and Ritha, Nola and Hayaty, Nurul (2022) IMPLEMENTASI TEXT MINING UNTUK ANALISIS SENTIMEN PROTOKOL KESEHATAN DI INDONESIA MENGGUNAKAN ALGORITMA K-NEAREST NEIGHBOR. S1 thesis, Universitas Maritim Raja Ali Haji.

	Text (Cover) FIDYA_FARASALSABILA_180155201014_TeknikInformatika - Cover.pdf - Published Version Download (439kB)
	Text (Abstrak) FIDYA_FARASALSABILA_180155201014_TeknikInformatika - Abstrak.pdf - Published Version Download (31kB)
	Text (BAB I) FIDYA_FARASALSABILA_180155201014_TeknikInformatika - BAB I.pdf - Published Version Download (165kB)
	Text (Daftar Pustaka) FIDYA_FARASALSABILA_180155201014_TeknikInformatika_Daftar_Pustaka.pdf - Published Version Download (189kB)
	Text (Full Teks) FIDYA_FARASALSABILA_180155201014_TeknikInformatika_Full_Teks.pdf - Published Version Restricted to Repository staff only Download (4MB) | Request a copy

Abstract

Analisis Sentimen merupakan salah satu bagian cabang dari penelitian Text Mining. Dalam dunia pemerintahan, opinion mining dapat digunakan untuk menganalisis secara otomatis bagaimana opini masyarakat terhadap kebijakan atau sistem pemerintah yang sedang berjalan. Dalam penanganan pencegahan penularan COVID-19, pemerintah di Indonesia mengeluarkan banyak kebijakan baru, salah satunya yaitu penerapan Protokol Kesehatan. Dengan adanya kebijakan baru, tentunya banyak masyarakat Indonesia yang mengeluarkan aspirasi dan opini mereka masing-masing terutama pada platform Twitter. Aspirasi dari masyarakat tersebut dapat diambil dan diketahui sentimennya agar dapat dilihat kecondongan sentimen masyarakat terhadap kebijakan penerapan Protokol Kesehatan. Ada banyak metode yang dapat digunakan dalam melakukan analisis sentimen. Oleh karena itu, pada penelitian ini akan menggunakan metode TF-IDF untuk pembobotan kata dan menggunakan algoritma K-Nearest Neighbors untuk klasifikasi data. Data opini yang digunakan dalam penelitian ini merupakan data hasil crawling dari media platform Twitter. Pengolahan data dalam penelitian ini berkaitan dengan proses klasifikasi dokumen kedalam tiga kelas, yakni positif, negatif dan netral. Dari hasil klasifikasi sistem, didapatkan 43.938% sentimen positif, 9.063% negatif dan 46.999% netral dengan menggunakan nilai K=4. Hasilnya, didapatkan akurasi tertinggi sebesar 62% dengan hasil uji akurasi menggunakan Nilai K=4.

Actions (login required)

View Item