ANALISIS SENTIMEN PADA MEDIA SOSIAL TWITTER TERHADAP
KINERJA KABINET INDONESIA MAJU MENGGUNAKAN K-MEANS
Total View This Week2
Total View This Week2
Institusion
STMIK Akakom
Author
Zakiyyatunisah, Nurul Islamy - 165410111
Subject
Bahasa Pemrograman
Datestamp
2020-11-25 06:34:43
Abstract :
Kabinet Indonesia maju adalah kabinet pemerintahan Indonesia pimpinan Presiden Joko Widodo dan Wakil Presiden Ma’ruf Amin. Dengan telah dilantiknya para menteri ini, masyarakat akan melihat atau mempertimbangkan serta memberikan berbagai opini ataupun komentar yang beragam dari kinerja mereka. Opini tersebut termasuk kedalam text mining yang akan dilakukan analisis sentimen dengan melakukan training data menggunakan teknik clustering salah satunya adalah K-Means. Dimana data tweet yang digunakan terlebih dahulu melalui proses preprocessing untuk merapikan data serta dilakukan pembobotan dengan TF-IDF (Term Frequency – Inverse Document Frequency) untuk mendapatkan nilai tiap fitur atau kata yang nantinya akan dihitung menggunakan K-Means clustering untuk mendapatkan nilai dengan menggunakan rumus jarak manhattan. Dimana klaster ditentukan dari nilai minimum atau nilai terdekat ke centroid yang ada. Dengan teknik clustering ini fitur-fitur yang mirip dikelompokan ke dalam satu klaster. Sistem yang dibuat ini dapat mengkelompokan menjadi tiga klaster yaitu positif, netral dan negatif. Dari 4728 data tweet yang diambil untuk training data yang diambil dari tanggal 23 Oktober 2019 sampai 31 Juli 2020 memiliki persentase 2.34% nilai positif dengan jumlah 115 tweet, 44.71% nilai netral dengan jumlah 2114 tweet. dan 52.86% nilai negatif dengan jumlah 2499 tweet dan berhenti pada iterasi ke-3. Kata Kunci : analisis sentiment, clustering, K-Means
Kabinet Indonesia maju adalah kabinet pemerintahan Indonesia pimpinan Presiden Joko Widodo dan Wakil Presiden Ma’ruf Amin. Dengan telah dilantiknya para menteri ini, masyarakat akan melihat atau mempertimbangkan serta memberikan berbagai opini ataupun komentar yang beragam dari kinerja mereka. Opini tersebut termasuk kedalam text mining yang akan dilakukan analisis sentimen dengan melakukan training data menggunakan teknik clustering salah satunya adalah K-Means. Dimana data tweet yang digunakan terlebih dahulu melalui proses preprocessing untuk merapikan data serta dilakukan pembobotan dengan TF-IDF (Term Frequency – Inverse Document Frequency) untuk mendapatkan nilai tiap fitur atau kata yang nantinya akan dihitung menggunakan K-Means clustering untuk mendapatkan nilai dengan menggunakan rumus jarak manhattan. Dimana klaster ditentukan dari nilai minimum atau nilai terdekat ke centroid yang ada. Dengan teknik clustering ini fitur-fitur yang mirip dikelompokan ke dalam satu klaster. Sistem yang dibuat ini dapat mengkelompokan menjadi tiga klaster yaitu positif, netral dan negatif. Dari 4728 data tweet yang diambil untuk training data yang diambil dari tanggal 23 Oktober 2019 sampai 31 Juli 2020 memiliki persentase 2.34% nilai positif dengan jumlah 115 tweet, 44.71% nilai netral dengan jumlah 2114 tweet. dan 52.86% nilai negatif dengan jumlah 2499 tweet dan berhenti pada iterasi ke-3. Kata Kunci : analisis sentiment, clustering, K-Means
Download
book
BibTex
Latex, Jabref
cloud_download
Original Resource
url resource Institution
