Analisis Sentimen Komentar Twitter Terhadap Peristiwa Kebakaran Bromo Menggunakan Metode Naïve Bayes dan Support Vector Machine

Putra, Rahmana Zahara Budi and , Khanun Roisatul Ummah, S.Tr.T., M.Tr.Kom. (2024) Analisis Sentimen Komentar Twitter Terhadap Peristiwa Kebakaran Bromo Menggunakan Metode Naïve Bayes dan Support Vector Machine. Skripsi thesis, Universitas Muhammadiyah Surakarta.

	PDF (Naskah Publikasi) Naskah Publikasi.pdf Download (798kB)
	PDF (Surat Pernyataan Publikasi) Surat Pernyataan Publikasi.pdf Restricted to Repository staff only Download (133kB)

Abstract

Kejadian kebakaran Gunung Bromo pada tanggal 6-15 September 2023 mendapatkan perhatian luas di platform Twitter, memunculkan beragam opini dan perasaan dari masyarakat. Penelitian ini memiliki tujuan untuk menelaah sentimen komentar di Twitter terkait peristiwa tersebut menggunakan metode klasifikasi Naïve Bayes dan Support Vector Machine (SVM). Penelitian ini berawal dari kebutuhan untuk memahami bagaimana masyarakat menanggapi peristiwa alam serupa di era media sosial. Solusi yang ditawarkan dalam penelitian ini adalah analisis sentimen, yang diharapkan memberikan wawasan yang lebih mendalam mengenai reaksi masyarakat terhadap kebakaran di Bromo. Dalam penelitian ini, Naïve bayes memiliki keunggulan dalam kesederhanaan, kecepatan, dan tingkat akurasi yang lebih tinggi. Sementara itu, hyperplane yang mengoptimalkan margin antara tiga kelas berbeda dapat ditemukan menggunakan SVM. Tiga tabel berupa positif, negatif, dan netralitas dihasilkan oleh klasifikasi sentimen yang digunakan dalam pengkajian. Analisis dan pengumpulan data komentar Twitter terkait kebakaran Bromo akan dilakukan. Model klasifikasi dilatih menggunakan data pelatihan dalam implementasi pengujian, dan efektivitas kedua pendekatan ini diuji menggunakan data pengujian. Evaluasi menunjukkan bahwa Naïve Bayes lebih unggul dalam mengidentifikasi pola dalam data dan memprediksi hasil dengan akurasi 60.09%, Precision 60.06%, recall 60.09%, dan F1-Score 59.90%. Sementara itu, Support Vector Machine mencatatkan akurasi 55.92%, Precision 55.73%, recall 55.92%, dan F1-Score 55.80%. Hasil penelitian ini menunjukkan bahwa sentimen negatif mendominasi data dengan persentase 48.2%, diikuti oleh sentimen netral dengan 27.3%, dan sentimen positif dengan 24.5%. Ini mencerminkan bahwa sentimen umum masyarakat cenderung negatif, yang ditunjukkan oleh komentar negatif di Twitter selama peristiwa kebakaran Gunung Bromo.

Item Type:	Thesis (Skripsi)
Uncontrolled Keywords:	Analisis Sentimen, Twitter, Gunung Bromo, Naïve Bayes, SVM
Subjects:	T Technology > TZ Technical Information T Technology > TZ Technical Information > TA02 Software. Aplication > Pemograman
Divisions:	Fakultas Ilmu Komunikasi dan Informatika > Teknik Informatika
Depositing User:	RAHMANA ZAHARA BUDI PUTRA
Date Deposited:	28 Jun 2024 06:30
Last Modified:	28 Jun 2024 06:30
URI:	http://eprints.ums.ac.id/id/eprint/124836

Actions (login required)

View Item