Analisis Sentimen Masyarakat Di Masa Pandemi Covid-19 Terhadap Program Bantuan Sosial Dengan Pendekatan Text Mining Support Vector Machine Linier Dan Non Linier

Rizza Sulistiana, - (2022) Analisis Sentimen Masyarakat Di Masa Pandemi Covid-19 Terhadap Program Bantuan Sosial Dengan Pendekatan Text Mining Support Vector Machine Linier Dan Non Linier. Skripsi thesis, UNIVERSITAS AIRLANGGA.

[img] Text (HALAMAN JUDUL)
081811833005_HALAMAN JUDUL.pdf

Download (745kB)
[img] Text (BAB I)
081811833005_BAB I.pdf

Download (166kB)
[img] Text (FULLTEXT)
081811833005_FULLTEXT.pdf
Restricted to Registered users only

Download (3MB) | Request a copy
Official URL: http://lib.unair.ac.id

Abstract

Program Bantuan Sosial (Bansos) yang merupakan salah satu program pemerintah untuk meringankan perekonomian masyarakat selama masa pandemi Covid-19 menuai beragam komentar di masyarakat. Hal ini membuktikan perlunya evaluasi pelaksanaan program untuk menganalisis aspek-aspek yang perlu diperbaiki. Guna mencapai tujuan tersebut, analisis sentimen dilakukan menggunakan text mining metode Support Vector Machine (SVM) linier dan non linier kernel polynomial. Dalam analisisnya, penelitian ini menggunakan 800 tweets periode 1 s.d 5 Agustus 2021 yang dibagi menjadi 80% data training dan 20% data testing dengan 5-fold cross validation serta 174 tweets periode 14 s.d 17 April 2022 sebagai data input baru. Hasil word cloud sentimen negatif menunjukkan bahwa terdapat beberapa kata khusus yang muncul pada komentar tahun 2021 dan 2022, yaitu “korup”, “potong”, dan “lewat”. Hal ini menunjukkan bahwa aspek penyalahgunaan dana dan manajemen data perlu diperbaiki. Algoritma SVM linier dan non linier kernel polynomial menghasilkan rata-rata akurasi masing-masing sebesar 97% dan 89,13% sehingga dapat disimpulkan bahwa SVM linier lebih baik daripada SVM non linier kernel polynomial dalam mengklasifikasikan komentar masyarakat terhadap Bansos. Selanjutnya, algoritma SVM linier digunakan untuk mengklasifikasikan komentar terbaru (April 2022) masyarakat terkait Bansos dan menghasilkan akurasi sebesar 99,43% yang artinya bahwa algoritma SVM linier sangat sesuai dan dapat digunakan kembali untuk mengklasifikasikan komentar masyarakat di masa pandemi Covid-19 terkait Bansos. Dengan demikian, penelitian ini dapat menjadi referensi dalam upaya optimalisasi peran dan fungsi Program Bansos sehingga manfaat yang diberikan dapat dirasakan secara menyeluruh bagi masyarakat guna pemulihan sektor ekonomi nasional.

Item Type: Thesis (Skripsi)
Additional Information: KKC KK S.FST.S.20/22 Riz a
Uncontrolled Keywords: Program Bansos, Analisis Sentimen, Text Mining, Support Vector Machine Linier, Kernel Polynomial
Subjects: H Social Sciences > HA Statistics
Divisions: 08. Fakultas Sains dan Teknologi > Statistika
Creators:
CreatorsNIM
Rizza Sulistiana, -NIM081811833005
Contributors:
ContributionNameNIDN / NIDK
Thesis advisorNUR CHAMIDAH, -NIDN0006027202
Thesis advisorTOHA SAIFUDIN, -NIDN0001067507
Depositing User: sugiati
Date Deposited: 10 Sep 2026 08:06
Last Modified: 10 Sep 2026 08:06
URI: http://repository.unair.ac.id/id/eprint/146272
Sosial Share:

Actions (login required)

View Item View Item