PERBANDINGAN ALGORITMA K-NEAREST NEIGHBOR DAN LOGISTIC REGRESSION PADA ANALISIS SENTIMEN TERHADAP VAKSINASI COVID-19 PADA MEDIA SOSIAL TWITTER DENGAN PELABELAN VADER DAN TEXTBLOB
FADHILAH FAZRIN
Informasi Umum
Kode
22.04.2319
Klasifikasi
518.172 - Algorithm-Research Methods
Jenis
Karya Ilmiah - Skripsi (S1) - Reference
Subjek
Algorithm Analysis, Data Analysis,
Dilihat
385 kali
Informasi Lainnya
Abstraksi
<p>Pada analisis ini metode yang digunakan yaitu metode klasifikasi K-Nearest Neighbor (KNN) dan metode klasifikasi Logistic Regression dengan data yang diambil pada sosial media twitter. Penelitian ini mengkaji tingkat akurasi pada sentimen masyarakat mengenai vaksinasi Covid-19 dengan label positif dan negatif. Nilai AUC pada algoritma KNN dengan pelabelan TextBlob yaitu sebesar 0,765 dengan dan 0,768 untuk pelabelan VaderSentiment keduanya termasuk kedalam kriteria fair classification. Sementara itu, pada algoritma Logistic Regression menghasilkan akurasi sebesar 84,97% dengan perbandingan rasio 90:10 untuk pelabelan TextBlob, sementara untuk pelabelan VaderSentiment dengan perbandingan rasio 90:10 menghasilkan akurasi sebesar 85,22%. Kedua algoritma divalidasi menggunakan K-Fold Cross Validation dengan jumlah fold 10. Hasil perbandingan yang diperoleh saat melakukan evaluasi dengan confusion matrix menunjukkan bahwa algoritma Logistic Regression dengan pelabelan VaderSentiment memiliki nilai akurasi yang paling tinggi dibandingakan dengan algoritma K-Nearest Neighbor dengan pelabelan TextBlob dan VaderSentiment.</p>
- ISI4H3 - ANALITIKA DATA
Koleksi & Sirkulasi
Seluruh 1 koleksi sedang dipinjam
Anda harus log in untuk mengakses flippingbook
Pengarang
| Nama | FADHILAH FAZRIN |
| Jenis | Perorangan |
| Penyunting | Oktariani Nurul Pratiwi, Rachmadita Andreswari |
| Penerjemah |
Penerbit
| Nama | Universitas Telkom, S1 Sistem Informasi |
| Kota | Bandung |
| Tahun | 2022 |
Sirkulasi
| Harga sewa | IDR 0,00 |
| Denda harian | IDR 0,00 |
| Jenis | Non-Sirkulasi |
