Perbandingan Metode Klasifikasi Random Forest dan Support Vector Machine Pada Analisis Sentimen Vaksin Covid-19 di Twitter

TUBAGUS IBROHIM AL-KHALIL

Informasi Dasar

22.04.1083
006.312
Karya Ilmiah - Skripsi (S1) - Reference

Covid-19 telah ditetapkan sebagai pandemi oleh WHO pada bulan maret 2020. Virus ini telah menyebar keseluruh penjuru dunia, termasuk Indonesia. Vaksinasi merupakan salah satu upaya pencegahan penyebaran virus yang dilakukan oleh pemerintah. Namun, hal ini menimbulkan berbagai opini dari pengguna platform media sosial, salah satunya Twitter. Pada Twitter opini disebut tweet. Pada tiap tweet akan dilakukan analisis sentimen yang diklasifikasikan menjadi kelas positif, netral dan negatif. Dengan menggunakan metode crawling penulis memperoleh sebanyak 3.000 data tweet. Untuk meningkatkan performansi model, proses pembobotan pada data dilakukan dengan menggunakan metode TF-IDF. Pembobotan dibagi menjadi tiga bagian yaitu unigram, bigram, dan unigram+bigram. Hasil pembobotan di klasifikasikan dengan menggunakan dua model yaitu Random Forest dan Support Vector Machine. Hasil akurasi terbaik diantara dua model tersebut didapatkan oleh model SVM dengan nilai akurasi 91% dengan pembobotan unigram+bigram menggunakan kernel polynomial.

Kata kunci : SVM, random forest, analisis sentimen, TF-IDF

Subjek

DATA MINING
 

Katalog

Perbandingan Metode Klasifikasi Random Forest dan Support Vector Machine Pada Analisis Sentimen Vaksin Covid-19 di Twitter
 
 
Indonesia

Sirkulasi

Rp. 0
Rp. 0
Tidak

Pengarang

TUBAGUS IBROHIM AL-KHALIL
Perorangan
PUTU HARRY GUNAWAN
 

Penerbit

Universitas Telkom, S1 Informatika
Bandung
2022

Koleksi

Kompetensi

 

Download / Flippingbook

 

Ulasan

Belum ada ulasan yang diberikan
anda harus sign-in untuk memberikan ulasan ke katalog ini