UDiNus Repository

Analisis Sentimen Publik Seputar Tren Wisata Pada Twitter Menggunakan Naive Bayes Classifier dengan Penambahan Fitur N-gram

DIAN, DEWI FITRIANA (2017) Analisis Sentimen Publik Seputar Tren Wisata Pada Twitter Menggunakan Naive Bayes Classifier dengan Penambahan Fitur N-gram. Skripsi,Fakultas Ilmu Komputer.

[img]
Preview
PDF
Download (3991b) | Preview

    Abstract

    Media informasi merupakan sarana utama untuk mempromosikan sesuatu, salah satu yang menggunakan media informasi sebagai media promosi adalah dalam bidang pariwisata. Masyarakat dapat melihat tempat wisata di setiap daerah melalui website pariwisata dan Sosial media seperti Twitter, namun website pariwisata kurang menyajikan informasi yang terbaru, dan untuk sosial media harus diperlukan akun terlebih dahulu untuk dapat mengaksesnya, sehingga hal ini kurang praktis. Penelitian ini melakukan klasifikasi terhadap tweet dari sosial media twitter kedalam tiga kategori yaitu positif, negatif, dan netral. Data yang diambil berdasarkan hashtag mengenai pariwisata Kota Bandung dan Jogjakarta. Metode naive bayes classifier digunakan untuk proses kalsifikasi dengan tambahan fitur n-gram. Setelah dilakukan perhitungan klasifikasi dan akurasi, ditemukan bahwa akurasi tertinggi dimiliki oleh naive bayes dengan fitur n-gram di n=4 dengan jumlah akurasi 76.8%, naive bayes tanpa fitur n-gram sebesar 68,78 %, sedangkan untuk naive bayes dengan bigram sebesar 50,67% dan naive bayes dengan trigram sebesar 65.34% Hasil dengan akurasi tertinggi dan yang masuk kedalam kategori positif serta netral akan digunakan sebagai data acuan yang akan ditampilkan di aplikasi berbasis mobile sehingga dapat diakses oleh pengguna.

    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: 04 May 2017 15:59
    Last Modified: 04 May 2017 15:59
    URI: http://eprints.dinus.ac.id/id/eprint/22225

    Actions (login required)

    View Item