Logo UIN

Digital Library - UIN Sulthan Thaha Saifuddin Jambi

ANALISIS SENTIMEN OPINI MASYARAKAT TENTANG INSTITUSI POLRI BERDASARKAN TWITTER MENGGUNAKAN METODE SUPPORT VECTOR MACHINE (SVM)

SIROJUDIN, SAID AHMAD (2023) ANALISIS SENTIMEN OPINI MASYARAKAT TENTANG INSTITUSI POLRI BERDASARKAN TWITTER MENGGUNAKAN METODE SUPPORT VECTOR MACHINE (SVM). Other thesis, UIN Sulthan Thaha Saifuddin Jambi.

Full text not available from this repository.

Abstract

"Twitter merupakan salah satu media sosial yang saat ini selalu menjadi pusat trending di Indonesia. Masyarakat ramai berbincang berbagai macam topik termasuk salah satunya tentang polisi. Tujuan dari penilitian ini adalah melakukan Analisis sentiment opini masyarakat tentang institusi polri berdasarkan twitter menggunakan metode support vector machine. Tahapan penelitian dimulai dengan tahapan crawling data Twitter sebanyak 6.925 data dari 3 kata kunci yaitu Institusi polri, Humas polri dan Polda. Kemudian dilanjutkan dengan tahap Preprocessing terdiri dari (cleansing, case folding, tokenizing dan filtering). Selanjutnya tahap Ektrasi fitur menggunakan tf-idf dan terakhir tahap klasifikasi dan evaluasi. Dari hasil pengujian manual data (73:27) didapatkan Accuracy sebanyak 70.66%, Precision 70.68% dan Recall 99.76%. Pengujian data kedua (82:18) didapatkan Accuracy sebanyak 86%, Precision 86.21% dan Recall 99.71%. Dari hasil pengujian manual data (82:18) didapatkan Accuracy sebanyak 70.66%, Precision 70.68% dan Recall 99.76%. Pengujian data kedua (82:18) didapatkan Accuracy sebanyak 86%, Precision 86.21% dan Recall 99.71%. Dari hasil pengujian sistem data (80:20) Accuracy sebanyak 87.55%, Precision Positif 87.53%, Precision Negatif 88.24%, Recall Positif 99.48%, Recall Negati 21.43%. Dari hasil pengujian sistem data (60:40) Accuracy sebanyak 86.89%, Precision Positif 86.84%, Precision Negatif 88.46%, Recall Positif 99.61%, Recall Negati 16.43%. Pengujian sistem split validation data (80:20) akurasi 87.55% dan Pengujian sistem cross validation data keseluruhan menggunakan k-fold 5 akurasi sebesar 86.673%.
"

Item Type: Thesis (Other)
Subjects: T Technology > T Technology (General)
Divisions: Fakultas Sains dan Teknologi > Sistem Informasi
Depositing User: Nadia Rezky
Date Deposited: 27 Nov 2025 01:47
Last Modified: 27 Nov 2025 01:47
URI: http://digilib.uinjambi.ac.id/id/eprint/3518

Actions (login required)

View Item
View Item