Analisis Sentimen pada Media Sosial Universitas dengan Metode Berbasis Leksikon
FARHAN AHMADI JAVIER NUR

Informasi Umum

Kode

22.04.2281

Klasifikasi

302.23 - Media of Communication, Mass Media

Jenis

Karya Ilmiah - Skripsi (S1) - Reference

Subjek

Computer Science, Media Of Communication,

Dilihat

762 kali

Informasi Lainnya

Abstraksi

<p style="margin-left:63.45pt;"><strong>M</strong><strong>edia sosial seperti <em>Facebook, Twitter, </em></strong><strong><em>dan Instagram</em></strong><strong> adalah platform yang umum digunakan untuk berbagi ide dan opini</strong><strong>. </strong><strong>Sebuah opini pada media sosial dapat mengandung sentimen positif, negatif, atau netral. Analisis sentimen atau <em>sentiment analysis</em> adalah sebuah studi untuk melakukan identifikasi sentimen secara otomatis, dan telah banyak diterapkan pada organisasi pemilik akun media sosial, termasuk universitas. </strong><strong>Penelitian ini </strong><strong>mengimplementasikan identifikasi sentimen pada komentar media sosial universitas dengan menggunakan metode berbasis leksikon.</strong> <strong>Cara kerja metode analisis sentimen berbasis leksikon adalah dengan menghitung orientasi semantic lexicon. Penelitian ini menggunakan kamus leksikon yang telah didefinisikan sebanyak 6599 kata negatif dan 3597 kata positif. </strong><strong> Dari hasil eksperimen diperoleh precision sebesar 94,81%, recall sebesar 82,59%, dan F-1 score sebesar 88,28%. </strong><strong>B</strong><strong>erdasarkan perbandingan hasil prediksi sistem dengan label yang didefinisikan manual, dianalisis penyebab kesalahan identifikasi sentimen, yaitu terdapat beberapa kata yang tidak ditemukan pada kamus leksikon karena kata-kata tersebut merupakan bahasa asing, yaitu Bahasa Inggris dan Bahasa Arab. </strong></p>

<p style="margin-left:63.45pt;"><strong>Kata kunci: media sosial, universitas, analisis sentimen, analisis sentimen berbasis leksikon</strong></p>

Koleksi & Sirkulasi

Seluruh (1) koleksi tidak tersedia

Pengarang

Penerbit

Sirkulasi

Download / Flippingbook