A PHP Error was encountered
Severity: Notice
Message: Undefined offset: 1
Filename: controllers/Document.php
Line Number: 69
Backtrace:
File: /home/rama/public_html/application/controllers/Document.php
Line: 69
Function: _error_handler
File: /home/rama/public_html/index.php
Line: 296
Function: require_once
A PHP Error was encountered
Severity: Notice
Message: Undefined offset: 1
Filename: controllers/Document.php
Line Number: 69
Backtrace:
File: /home/rama/public_html/application/controllers/Document.php
Line: 69
Function: _error_handler
File: /home/rama/public_html/index.php
Line: 296
Function: require_once
@thesis{thesis,
author={Erniyati and Krisna and Tita Tosida Eneng},
title ={SENTIMENT ANALYSIS MENGGUNAKAN SUPPORT VECTOR
MACHINE UNTUK REPRESENTASI KEPATUHAN MASYARAKAT
PADA MASA PANDEMI COVID-19},
year={2020},
url={http://eprints.unpak.ac.id/220/},
abstract={Abstrak
Virus corona adalah keluarga besar virus yang dapat menyebabkan penyakit pada hewan atau manusia. Pada manusia
virus corona diketahui menyebabkan infeksi pernafasan mulai dari flu biasa hingga penyakit yang lebih parah seperti
Middle East Respiratory Syndrome (MERS), dan Severe Acute Respiratory Syndrme (SARS). Penelitian ini bertujuan
untuk mengimplementasikan Sentiment Analysis Menggunakan Support Vector Machine Untuk Representasi
Kepatuhan Masyarakat Pada Masa Pandemi Covid-19. Dalam penelitian ini data yang digunakan adalah data yang
diambil dari media sosial Twitter dengan kata kunci ?patuh PSBB belajar dirumah?, ?patuh PSBB WFH?, ?patuh
PSBB transportasi? dan ?patuh physical distancing?. Kemudian data tersebut diolah dengan metode Knowledge
Discovery and Data Mining (KDD) dan text mining. Dari hasil analisis sentimen terhadap patuh WFH yang dilakukan,
didapatkan hasil sentimen patuh dan tidak patuh sebanyak 326 dan 135 dengan hasil akurasi sebesar 98%. Lalu untuk
hasil analisis sentimen terhadap patuh PSBB belajar dirumah didapatkan hasil sentimen patuh dan tidak patuh PSBB
belajar dirumah sebanyak 880 dan 524 komentar dari hasil keseluruhan dengan nilai akurasi sebesar 93%. Sedangkan
untuk hasil analisis sentimen terhadap patuh transportasi yang telah dilakukan didapatkan hasil sentimen patuh dan
tidak patuh sebanyak 239 dan 237 komentar dari hasil keseluruhan dengan nilai akurasi 88% dan untuk hasil analisis
sentimen terhadap patuh physical distancing didapatkan hasil sentimen patuh dan tidak patuh sebanyak 339 dan 80
komentar dari hasil keseluruhan dengan nilai akurasi 90%.
Kata Kunci: Text Mining, Knowledge Discovery and Data Mining, text mining, Sentiment Analisis, Support
Vector Machine, Covid-19.}
}