Repository logo
  • English
  • Català
  • Čeština
  • Deutsch
  • Español
  • Français
  • Gàidhlig
  • Latviešu
  • Magyar
  • Nederlands
  • Polski
  • Português
  • Português do Brasil
  • Suomi
  • Svenska
  • Türkçe
  • Қазақ
  • বাংলা
  • हिंदी
  • Ελληνικά
  • Yкраї́нська
  • Log In
    New user? Click here to register.Have you forgotten your password?
Repository logo
  • Communities & Collections
  • All of DSpace
  • English
  • Català
  • Čeština
  • Deutsch
  • Español
  • Français
  • Gàidhlig
  • Latviešu
  • Magyar
  • Nederlands
  • Polski
  • Português
  • Português do Brasil
  • Suomi
  • Svenska
  • Türkçe
  • Қазақ
  • বাংলা
  • हिंदी
  • Ελληνικά
  • Yкраї́нська
  • Log In
    New user? Click here to register.Have you forgotten your password?
  1. Home
  2. Browse by Author

Browsing by Author "Sonia, Nisa"

Now showing 1 - 1 of 1
Results Per Page
Sort Options
  • Loading...
    Thumbnail Image
    Item
    ANALISIS SENTIMEN PENGGUNA TWITTER TERHADAP IMPLEMENTASI PROGRAM MERDEKA BELAJAR KAMPUS MERDEKA MENGGUNAKAN DATA MINING
    (Program Studi S1 Informatika, 2023) Sonia, Nisa; Adi Purnama (Pembimbing)
    Merdeka Belajar Kampus Merdeka (MBKM) telah dilaksanakan dari tahun 2020, dalam prosesnya telah terjadi perubahan dan perkembangan. Opini dari masyarakat mengenai program MBKM ini telah diungkapkan salah satunya melalui media sosial Twitter. Analisis sentimen akan dilakukan untuk mengidentifikasi pandangan, perasaan, atau sikap yang terkandung dalam data terkait setiap kategori MBKM yang dilakukan dengan penerapan clustering. Dengan menganalisis sentimen, dapat mengeksplorasi apakah opini terhadap MBKM cenderung positif atau negatif dalam masing-masing kategori dengan penerapan classification. Tujuan dari penelitian ini adalah untuk menganalisis sentimen pada implementasi MBKM dari pengguna Twitter dengan menggunakan dua pendekatan, yaitu clustering dan classification. Melalui clustering, data tweet akan dikelompokkan berdasarkan kesamaan sentimen, sehingga dapat mengidentifikasi pola-pola sentimen yang muncul dalam kelompok data tweet terkait MBKM. Sementara itu, menggunakan classification, akan membangun model untuk mengklasifikasikan sentimen data tweet ke dalam kategori positif atau negatif. Data yang sudah melalui tahapan text preprocessing akan dikelompokkan menjadi tiga cluster menggunakan algoritma K-Means, lalu setiap cluster akan di klasifikasi menggunakan algoritma K-Nearest Neighbors. Dalam proses klasifikasi memakai teknik Random Oversampling untuk menyeimbangkan data yang tidak seimbang. Perbandingan data uji dan data latih yaitu 80:20. Hasil cluster 0 yang membahas tentang magang mempunyai akurasi sebesar 80.00%, cluster 1 yang membahas tentang kampus mengajar memiliki akurasi sebesar 83,91%, dan cluster 2 yang membahas studi independent mempunyai akurasi sebesar 91.53%.

PTI copyright © 2002-2026

  • Cookie settings
  • Privacy policy
  • End User Agreement
  • Send Feedback