ANALISIS SENTIMEN TERHADAP OPINI MAHASISWA TERKAIT PEMBELAJARAN DARING DENGAN MENGGUNAKAN ALGORITMA NAÃVE BAYES CLASSIFIER DAN SVM DENGAN ADABOOST PADA MEDIA SOSIAL TWITTER
Total View This Week0
Total View This Week0
Institusion
Universitas Siliwangi
Author
Ramli, Mohammad Rizal
Subject
T Technology (General)
Datestamp
2023-02-10 00:36:42
Abstract :
ABSTRAK Twitter merupakan salah satu media sosial yang berfungsi untuk mengungkapkan pendapat mengenai isu atau masalah yang sedang terjadi seperti halnya masalah dibidang sosial, ekonomi, pendidikan dan masalah lainnya. Salah satu masalah yang sedang diperbincangkan sampai saat ini yaitu pembelajaran daring. Pemerintah mengeluarkan kebijakan salah satunya kepada seluruh mahasiswa untuk belajar di rumah saja secara online dengan menggunakan jaringan untuk bisa saling berinteraksi layaknya di dalam kelas. Alasan pemerintah mengeluarkan kebijakan tersebut untuk memutus rantai penyebaran virus Covid-19 yang sampai saat ini masih belum reda. Mengenai kebijakan pembelajaran daring ini menimbulkan pro dan kontra. Opini tersebut banyak diungkapkan di media sosial salah satunya media sosial twitter. Analisis sentimen merupakan sebuah metode untuk menganalisis sebuah pendapat yang bertujuan untuk dilakukan mengklasifikasikan teks. Metode Naïve Bayes Classifier dan Support Vector Machine merupakan metode machine learning yang bisa digunakan untuk analisis sentimen. Masalah dalam pengklasifikasian teks adalah kurang optimalnya akurasi yang dihasilkan, sehingga diperlukan seleksi fitur atau boosting untuk bisa meningkatkan akurasinya. Penelitian ini dilakukan optimalisasi boosting dengan menggunakan Adaboost. Tujuan dari penelitian ini adalah membandingkan performa algoritma sebelum dan sesudah menggunakan Adaboost. Hasil analisis sentimen terhadap pembelajaran daring ini didapatkan hasil akurasi tertinggi oleh algoritma Naïve Bayes Classifier ditambah dengan Adaboost sebesar 99.26%, dengan presisi sebesar 99.39% dan recall 99.20%. Kata Kunci : Adaboost, Analisis Sentimen, Covid-19, Kuliah Online, Naïve Bayes, SVM, Twitter.
ABSTRAK Twitter merupakan salah satu media sosial yang berfungsi untuk mengungkapkan pendapat mengenai isu atau masalah yang sedang terjadi seperti halnya masalah dibidang sosial, ekonomi, pendidikan dan masalah lainnya. Salah satu masalah yang sedang diperbincangkan sampai saat ini yaitu pembelajaran daring. Pemerintah mengeluarkan kebijakan salah satunya kepada seluruh mahasiswa untuk belajar di rumah saja secara online dengan menggunakan jaringan untuk bisa saling berinteraksi layaknya di dalam kelas. Alasan pemerintah mengeluarkan kebijakan tersebut untuk memutus rantai penyebaran virus Covid-19 yang sampai saat ini masih belum reda. Mengenai kebijakan pembelajaran daring ini menimbulkan pro dan kontra. Opini tersebut banyak diungkapkan di media sosial salah satunya media sosial twitter. Analisis sentimen merupakan sebuah metode untuk menganalisis sebuah pendapat yang bertujuan untuk dilakukan mengklasifikasikan teks. Metode Naïve Bayes Classifier dan Support Vector Machine merupakan metode machine learning yang bisa digunakan untuk analisis sentimen. Masalah dalam pengklasifikasian teks adalah kurang optimalnya akurasi yang dihasilkan, sehingga diperlukan seleksi fitur atau boosting untuk bisa meningkatkan akurasinya. Penelitian ini dilakukan optimalisasi boosting dengan menggunakan Adaboost. Tujuan dari penelitian ini adalah membandingkan performa algoritma sebelum dan sesudah menggunakan Adaboost. Hasil analisis sentimen terhadap pembelajaran daring ini didapatkan hasil akurasi tertinggi oleh algoritma Naïve Bayes Classifier ditambah dengan Adaboost sebesar 99.26%, dengan presisi sebesar 99.39% dan recall 99.20%. Kata Kunci : Adaboost, Analisis Sentimen, Covid-19, Kuliah Online, Naïve Bayes, SVM, Twitter.
Download
book
BibTex
Latex, Jabref
cloud_download
Original Resource
url resource Institution
