ANALISIS SENTIMEN MENGENAI BERITA MENGGUNAKAN TWITTER STUDI KASUS DETIK.COM DAN KOMPAS.COM

Widyatama Repository

ANALISIS SENTIMEN MENGENAI BERITA MENGGUNAKAN TWITTER STUDI KASUS DETIK.COM DAN KOMPAS.COM

Show full item record

Title: ANALISIS SENTIMEN MENGENAI BERITA MENGGUNAKAN TWITTER STUDI KASUS DETIK.COM DAN KOMPAS.COM
Author: Muhammad, Gelar
Abstract: Twitter merupakan media sosial yang sangat populer dikalangan masyarakat terbukti dari data lembaga pemeringkat alexa bahwa twitter masuk jajaran 50 blog teraktif di dunia. Pertumbuhan tiap bulannya pun sangat pesat di bandingkan dengan media sosial lainnya. Dengan kesederhanaan twitter yang hanya memuat 140 kata berupa text membuat masyarakat tidak malas mengupload maupun mengakses twitter tersebut untuk melihat informasi maupun memberikan pendapat contohnya saja berita. Twitter yang sangat up to date membuat masyarakat tidak tertinggal dengan berita-berita yang ada di Indonesia maupun di dunia. Maka dari itu media sosial twitter sangat baik untuk di jadiakan sebagai sumber data. Data ini di ambil pada account Detik.com dan Kompas.com. Account twitter tersebut sangat popular dan banyak diakses oleh masyarakat dikarenakan lebih banyak membahas berita di Indonesia khususnya berita mengenai politik, kriminal, dan banjir. Sentiment berita yang terkandung pada kedua account, membuat penulis tertarik untuk menganalisis tingkat sentiment masyarakat terhadap berita tersebut. Data sentiment akan di proses mengunakan text mining untuk dicari kata-kata kunci yang dapat mewakili isi dari suatu kata yaitu kata yang bernilai positif atau negatif lalu dianalisis dan dilakukan pencocokan antara kalimat dengan database kata kunci yang telah dibuat untuk menentukan klasifikasi suatu dokumen. Metode Naïve Bayes dan metode K-Nearest Neighbor sangat cocok untuk mengklasifikasikan dokumen tersebut. Kedua metode tersebut merupakan algoritma klasifikasi yang sederhana namun memiliki akurasi yang baik. Metode yang digunakan pada penelitian ini adalah Algoritma Naïve Bayes Classifier yang dibandingkan dengan Algoritma K-Nearest Neighbor (KNN). Algoritma Naïve Bayes Classifier merupakan algoritma yang digunakan untuk mencari nilai probabilitas tertinggi untuk mengklasifikasi data uji pada kategori yang paling tepat. Sedangkan Algoritma K-Nearest Neighbor (KNN) adalah sebuah metode untuk melakukan klasifikasi terhadap objek berdasarkan data pembelajaran yang jaraknya paling dekat dengan objek tersebut. Tingkat akurasi dengan menggunakan metode Naïve Bayes dan K-Nearest Neighbor yang dilakukan pada penelitian ini dapat ditarik kesimpulan bahwa Naïve Bayes memiliki tingkat akurasi yang lebih baik dengan nilai presentase 76% data yang sesuai sedangkan pada K-Nearest Neighbor di dapat nilai presentase 71%.
URI: http://repository.widyatama.ac.id/xmlui/handle/123456789/6765
Date: 2015


Files in this item

Files Size Format View
Cover.pdf 47.48Kb PDF View/Open
Lembar Pengesahan.pdf 204.3Kb PDF View/Open
Abstrak.pdf 100.9Kb PDF View/Open
Kata Pengantar.pdf 91.45Kb PDF View/Open
Daftar Isi.pdf 113.5Kb PDF View/Open
Daftar Tabel.pdf 106.7Kb PDF View/Open
Daftar Gambar.pdf 105.9Kb PDF View/Open
Bab 1.pdf 112.4Kb PDF View/Open
Bab 2.pdf 175.2Kb PDF View/Open
Bab 3.pdf 698.1Kb PDF View/Open
Bab 4.pdf 155.1Kb PDF View/Open
Bab 5.pdf 344.2Kb PDF View/Open
Bab 6.pdf 91.91Kb PDF View/Open
Daftar Pustaka.pdf 90.23Kb PDF View/Open

This item appears in the following Collection(s)

Show full item record