ARYA SURYA SATRIA, - (2022) Analisis Sentimen Terhadap Pandemi Covid-19 di Indonesia Menggunakan K-Nearest Neighbor Dan Support Vector Machine. Skripsi thesis, UNIVERSITAS AIRLANGGA.

	Text (HAL JUDUL) HAL JUDUL.pdf Download (493kB)
	Text (BAB 1) BAB 1.pdf Download (45kB)
	Text (FULLTEXT) 081711633026.pdf Restricted to Registered users only Download (2MB) | Request a copy

Abstract

Semenjak Indonesia ditemukan kasus pada bulan maret tahun 2020, kurva penyebaran covid meningkat secara signifikan di Indonsia. Hal tersebut menimbulkan dampak-dampak pada pandemi covid-19 ini, seperti frustasi, kebosanan, kecemasan, dan ketakutan yang tidak terkontrol. Di Twitter terdapat banyak opini terkait dengan dampak dari pandemi covid-19 ini, terutama pada saat hari-hari besar dan event yang ada. Diperlukannya analisis sentimen untuk melihat bagaimana respon masyarakat Indonesia pada pandemi covid-19 ini. Penelitian ini bertujuan untuk mengetahui mengklasifikasikan dan menganalisa pola sentimen pada opini publik mengenai pandemi covid-19 serta mendapatkan algoritma terbaik untuk pengklasifikasian dengan metode ¬K-Nearest Neighbor dan Support Vector Machine. Pengumpulan data dilakukan dengan menggunakan data Twitter terkait dengan pandemi covid-19 dengan kata kunci tertentu. Tahapan selanjutnya yaitu pre-processing yang meliputi case Folding, tokenizing, stopword removal, dan stemming. Lalu dilanjut merubah data teks menjadi matriks TF-IDF nantinya digunakan untuk proses klasifikasi K-Nearest Neighbor dan Support Vector Machine. Setelah itu dilakukan pelabelan data menggunakan Indonesia Sentimen Lexicon serta Crowdsourced Labelling untuk perbandingannya. Data diklasifikasikan menjadi tiga kelas, yaitu positif, negatif, dan netral. Hasil pengklasifikasian didapatkan label positif dengan sejumlah 2.850 data tweet, label negatif sejumlah 8.015 data tweet, dan label netral sejumlah 629 data tweet. Penerapan dari klasifikasi K-Nearest Neighbor menghasilkan akurasi 83,9% dan Support Vector Machine menghasilkan akurasi 76,9%. Respon masyarakat Indonesia mengenai dampak pandemi covid-19 ini didominasi oleh respon negatif. Klasifikasi dengan ¬K-Nearest Neighbor memperoleh akurasi tertinggi dibandingkan dengan Support Vector Machine.

Actions (login required)

View Item