UDiNus Repository

DRAMA TV SENTIMENT ANALYSIS PADA SOSIAL MEDIA MENGGUNAKAN NAIVE BAYES CLASSIFIER (NBC)

GANI, ILMIANTO MAULANA (2017) DRAMA TV SENTIMENT ANALYSIS PADA SOSIAL MEDIA MENGGUNAKAN NAIVE BAYES CLASSIFIER (NBC). Skripsi,Fakultas Ilmu Komputer.

[img]
Preview
PDF
Download (4Kb) | Preview

    Abstract

    Salah satu fungsi dari sosial media adalah sebagai media promosi, kajian mengenai sosial media sebagai media advertensi adalah pokok persoalan yang baru yang belum sepenuhnya dipahami oleh masyarakat, akan tetapi telah digunakan oleh berbagai perusahaan untuk meningkatkan pertumbuhan bisnis. Kampanye advertensi tradisional telah diambil alih oleh sosial media baik dari perusahaan kecil ataupun besar. Hal ini menandakan bahwa advertensi komunikasi pemasaran pada sosial media saat ini adalah sangat berpengaruh pada bisnis. Penelitian ini berfokus pada tema drama televisi. Tujuan penelitian adalah untuk menentukan popularitas drama tv yang diambil dari sosial media, twitter. Salah satu metode text mining yang bisa digunakan untuk menyelesaikan masalah sentiment analysis adalah Naïve Bayes Classifer (NBC). Sumber data yang akan diproses adalah data mentah yang bersumber dari twitter yang berhubungan dengan drama televisi. Data sebelumnya akan melewati proses tokenisasi, penormalan teks, dan stop word. Kemudian diklasifikasikan ke dalam klasifikasi sentiment positif atau negatif. Dilanjutkan dengan penggunaan confusion matrix untuk mengukur akurasi, presisi, recall, dan f-measure. Data dibagi menjadi tiga judul drama televisi, The Handmaid’s Tale, House of Cards, dan Atypical yang mana meghasilkan akurasi pada tiap proses yaitu 86%, 96.64%, dan 96%.

    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: 13 Dec 2017 17:21
    Last Modified: 13 Dec 2017 17:21
    URI: http://eprints.dinus.ac.id/id/eprint/23598

    Actions (login required)

    View Item