UDiNus Repository

Twitter Sentiment Analysis mengenai Universitas Dian Nuswantoro Semarang menggunakan Algoritma K-Nearest Neighbor

DANNY, RATMANA OKA (2016) Twitter Sentiment Analysis mengenai Universitas Dian Nuswantoro Semarang menggunakan Algoritma K-Nearest Neighbor. Skripsi,Fakultas Ilmu Komputer.

[img]
Preview
PDF
Download (4Kb) | Preview
    [img]
    Preview
    PDF
    Download (101Kb) | Preview
      [img]
      Preview
      PDF
      Download (104Kb) | Preview
        [img]
        Preview
        PDF
        Download (319Kb) | Preview
          [img]
          Preview
          PDF
          Download (35Kb) | Preview
            [img]
            Preview
            PDF
            Download (42Kb) | Preview
              [img]
              Preview
              PDF
              Download (53Kb) | Preview
                [img]
                Preview
                PDF
                Download (117Kb) | Preview
                  [img]
                  Preview
                  PDF
                  Download (253Kb) | Preview
                    [img]
                    Preview
                    PDF
                    Download (899Kb) | Preview
                      [img]
                      Preview
                      PDF
                      Download (908Kb) | Preview
                        [img]
                        Preview
                        PDF
                        Download (335Kb) | Preview
                          [img]
                          Preview
                          PDF
                          Download (194Kb) | Preview

                            Abstract

                            Twitter merupakan salah satu jejaring sosial yang cukup populer di kalangan masyarakat sekarang ini. Banyak dari mereka yang cukup aktif di media sosial ini untuk sekedar menuliskan kicauan pribadinya maupun mendapatkan beragam informasi dari pengguna twitter lainnya. Pemberitaan mengenai Universitas Dian Nuswantoro Semarang (UDINUS) dari berbagai media pun juga kerap dituliskan dalam akun twitter milik mereka. Pada penelitian kali ini dilakukan Sentiment Analysis untuk mengetahui bagaimana opini masyarakat terhadap UDINUS. Setelah dilakukan implementasi Sentiment Analysis tentang Universitas Dian Nuswantoro Semarang dengan data yang diperoleh dari Twitter sejumlah 1230 data, berdasarkan intensitas term frequency dapat dilihat bahwa kemunculan kata (term) "Semarang" menjadi peringkat pertama pada topik terkait Universitas Dian Nuswantoro. Muncul pula beberapa term lain seperti "mahasiswi", "foto", "bugil", "juara", "mahasiswa", "wisuda", "kampus" dan lain sebagainya. Terbukti Algoritma K-Nearest Neighbor mampu mengklasifikasikan dengan baik data tweets yang telah diperoleh kedalam dua kelas yaitu positif dan negatif. Hal ini ditunjukan dari tingginya nilai evaluasi yang diperoleh dari perhitungan Accuracy, Recall, Precission serta F-measure. Dimana nilai Acurracy tertinggi diperoleh pada percobaan k=5 dengan metode pelabelan menggunakan cluster yakni sebesar 98,85%. Kemudian untuk perhitungan Precission pada kelas negatif relatif rendah namun untuk kelas positif relatif tinggi. Untuk nilai Recall perhitungan antara kelas positif dan negatif sama tingginya, dengan nilai terendah adalah 86,36% pada kelas negatif menggunakan metode pelabelan manual, kemudian nilai perhitungan dari F-Measure tertinggi didapat pada perhitungan k=5 pada kelas negatif dengan metode pelabelan cluster yakni sebesar 99,34%.

                            Item Type: Article
                            Subjects: T Technology > Teknik Informatika
                            Universitas Dian Nuswantoro > Fakultas Ilmu Komputer > Teknik Informatika
                            Divisions: Fakultas Ilmu Komputer
                            Depositing User: Psi Udinus
                            Date Deposited: 23 Sep 2016 08:42
                            Last Modified: 23 Sep 2016 08:42
                            URI: http://eprints.dinus.ac.id/id/eprint/20339

                            Actions (login required)

                            View Item