//
Warning: Cannot modify header information - headers already sent by (output started at /home/etdlibitenasac/public_html/index.php:1) in /home/etdlibitenasac/public_html/sysconfig.inc.php on line 185

Deprecated: Methods with the same name as their class will not be constructors in a future version of PHP; StringReader has a deprecated constructor in /home/etdlibitenasac/public_html/lib/lang/php-gettext/streams.php on line 48

Deprecated: Methods with the same name as their class will not be constructors in a future version of PHP; FileReader has a deprecated constructor in /home/etdlibitenasac/public_html/lib/lang/php-gettext/streams.php on line 84

Deprecated: Methods with the same name as their class will not be constructors in a future version of PHP; CachedFileReader has a deprecated constructor in /home/etdlibitenasac/public_html/lib/lang/php-gettext/streams.php on line 145

Deprecated: Methods with the same name as their class will not be constructors in a future version of PHP; gettext_reader has a deprecated constructor in /home/etdlibitenasac/public_html/lib/lang/php-gettext/gettext.php on line 36

Warning: session_start(): Cannot start session when headers already sent in /home/etdlibitenasac/public_html/index.php on line 38
ANALISIS PERBANDINGAN VECTORIZATION PADA ANALISIS SENTIMEN TWITTER (X) MENGGUNAKAN METODE LEXICON-BASED DAN SVM (Studi Kasus Layanan Ekspedisi SiCepat)

Detail Cantuman

ANALISIS PERBANDINGAN VECTORIZATION PADA ANALISIS SENTIMEN TWITTER (X) MENGGUNAKAN METODE LEXICON-BASED DAN SVM (Studi Kasus Layanan Ekspedisi SiCepat)

ANALISIS PERBANDINGAN VECTORIZATION PADA ANALISIS SENTIMEN TWITTER (X) MENGGUNAKAN METODE LEXICON-BASED DAN SVM (Studi Kasus Layanan Ekspedisi SiCepat)

KIRANA INDRIA REVANSA / 162020013 - Personal Name
120160502 - Kurnia Ramadhan Putra, S.Kom., M.T. - Personal Name
 Text English 2024 Sistem Informasi : FTI

Teknologi informasi saat ini berkembang pesat, mengubah cara kita berinteraksi melalui platform media sosial yang memungkinkan komunikasi global. Media sosial, khususnya X (sebelumnya dikenal sebagai Twitter), memberikan cara mudah bagi pengguna untuk menyuarakan pandangan dan opini mereka secara online. Dengan jumlah pengguna global mencapai 421 juta pada tahun 2022, X menjadi sumber data yang sangat berharga untuk analisis sentimen. Akan tetapi, data teks sering kali tidak terstruktur dan penuh noise, sehingga menyulitkan pemrosesan. Untuk mengatasi masalah ini, digunakan teknik text mining dan analisis sentimen untuk memudahkan mengidentifikasi pola dan emosi dalam data teks. Data cuitan X mengenai layanan SiCepat yang berhasil dikumpulkan menggunakan alat Tweet-Harvest berjumlah 3315 data. Data ini kemudian dilabeli menggunakan VADER-Lexicon setelah diterjemahkan ke Bahasa Inggris, menghasilkan distribusi sentimen: 35,3% positif, 39,1% netral, dan 25,6% negatif untuk data hasil lemmatization; serta 27,6% positif, 48,6% netral, dan 23,7% negatif untuk data hasil stemming. Teknik undersampling diterapkan untuk menyeimbangkan data sentimen tersebut. Berdasarkan hasil pelatihan model SVM dengan perbandingan metode normalization dan vectorization menunjukkan bahwa kombinasi terbaik adalah model SVM yang menggunakan metode lemmatization dengan vectorization Bag of Words pada split data 90:10 menggunakan parameter SVM yaitu {'C': 100, 'gamma': 0.01, 'kernel': 'rbf'}dengan akurasi sebesar 86,3%. Kata kunci: Text Mining, Analisis Sentimen, Vectorization, Support Vector Machine, SiCepat
LOADING LIST...
LOADING LIST...

Detail Information

Bagian Informasi
Pengarang KIRANA INDRIA REVANSA / 162020013 - Personal Name
120160502 - Kurnia Ramadhan Putra, S.Kom., M.T. - Personal Name
No. Panggil 051IS/24
Subyek Support Vector Machine
SiCepat
Text Mining
Analisis Sentimen
Vectorization
Fakultas FTI
Tahun Terbit 2024
Jurusan Sistem Informasi
Deskripsi Fisik
Info Detil Spesifik
  Tags :
Support Vector Machine
SiCepat
Text Mining
Analisis Sentimen
Vectorization

Citation

. (2024).ANALISIS PERBANDINGAN VECTORIZATION PADA ANALISIS SENTIMEN TWITTER (X) MENGGUNAKAN METODE LEXICON-BASED DAN SVM (Studi Kasus Layanan Ekspedisi SiCepat)().Sistem Informasi:FTI

.ANALISIS PERBANDINGAN VECTORIZATION PADA ANALISIS SENTIMEN TWITTER (X) MENGGUNAKAN METODE LEXICON-BASED DAN SVM (Studi Kasus Layanan Ekspedisi SiCepat)().Sistem Informasi:FTI,2024.Text

.ANALISIS PERBANDINGAN VECTORIZATION PADA ANALISIS SENTIMEN TWITTER (X) MENGGUNAKAN METODE LEXICON-BASED DAN SVM (Studi Kasus Layanan Ekspedisi SiCepat)().Sistem Informasi:FTI,2024.Text

.ANALISIS PERBANDINGAN VECTORIZATION PADA ANALISIS SENTIMEN TWITTER (X) MENGGUNAKAN METODE LEXICON-BASED DAN SVM (Studi Kasus Layanan Ekspedisi SiCepat)().Sistem Informasi:FTI,2024.Text

 



Homepage Info

Koleksi  ETD adalah merupakan Tugas Akhir mahasiswa Itenas dalam menempuh program Sarjana/Magister. Seluruh isi dari Tugas Akhir adalah merupakan tanggung jawab penulis sepenuhnya.

Koleksi


Total ETDs : 19475

Total Kunjungan: 23293 dari Maret 2018

Media Sosial / Kanal

Facebook
Youtube
Instagram

Address

UPT Perpustakaan Itenas
Jl. PKH. Mustopha No.23
Bandung 40124, Indonesia
Phone: +62-22-7272215,
email: libary[at]itenas.ac.id

Fatal error: Uncaught Error: Call to undefined function curl_init() in /home/etdlibitenasac/public_html/index.php:112 Stack trace: #0 {main} thrown in /home/etdlibitenasac/public_html/index.php on line 112