UPT Perpustakaan Unitama

  • Beranda
  • Informasi
  • Berita
  • Bantuan
  • Pustakawan
  • Area Anggota
  • Pilih Bahasa :
    Bahasa Arab Bahasa Bengal Bahasa Brazil Portugis Bahasa Inggris Bahasa Spanyol Bahasa Jerman Bahasa Indonesia Bahasa Jepang Bahasa Melayu Bahasa Persia Bahasa Rusia Bahasa Thailand Bahasa Turki Bahasa Urdu

Pencarian berdasarkan :

SEMUA Pengarang Subjek ISBN/ISSN Pencarian Spesifik

Pencarian terakhir:

{{tmpObj[k].text}}
Image of Analisis Sentimen Media Sosial Terhadap Kebijakan Pemerintah Menggunakan Naive Bayes Dengan Pengembangan Menggunakan Fasttext
Penanda Bagikan

Skripsi

Analisis Sentimen Media Sosial Terhadap Kebijakan Pemerintah Menggunakan Naive Bayes Dengan Pengembangan Menggunakan Fasttext

Syahrul Ramadhan - Nama Orang;

ABSTRAK
SYAHRUL RAMADHAN, Analisis Sentimen Media Sosial Terhadap Kebijakan Pemerintah Menggunakan Naive Bayes Dengan Pengembangan Menggunakan Fasttext (dibimbing oleh Pasnur dan Abd. Rahman.)
Permasalahan yang terjadi pada analisis sentimen media sosial terhadap kebijakan pemerintah menggunakan naïve bayes dengan pengembangan menggunakan fasttext ialah pada metode naïve bayes yang memiliki kelemahan dalam menangani kata-kata yang tidak ada di dalam data pelatihan sehingga tidak dapat memberikan prediksi yang akurat. Pada penelitian ini diusulkan metode fasttext yang mampu menangani kelemahan dari naïve bayes dalam melakukan klasifikasi. Tujuan penelitian ini adaalah mengoptimalkan akurasi dan ketepatan klasifikasi komentar twitter terhadap kebijakan pemerintah. Data diperoleh
melalui proses crawling berupa komentar atau tweet dari pengguna twitter. Metode yang digunakan dalam penelitian ini adalah adalah naïve bayes dengan pengembangan menggunakan fasttext. Hasil penelitian ini menunjukkan bahwa pengujian menunjukkan bahwa model naive bayes dengan fasttext menunjukkan kinerja yang lebih baik dengan nilai presisi 75%, recall 90%, f-measure 81% dan akurasi 85% dibandingkan model naive bayes tanpa menggunakan fasttext yang memiliki nilai presisi yang tinggi sebesar 100%, tetapi memiliki recall yang rendah sebesar 30%, dengan f-measure 46% dan akurasi 53%. Metode yang diusulkan terbukti meningkatkan kinerja model dalam mengklasifikasikan komentar twitter terhadap kebijakan pemerintah.
Kata kunci: Analisis Sentimen, Naive Bayes, Fasttext, Twitter, Klasifikasi Kebijakan Pemerintah .


Ketersediaan
#
Perpustakaan STMIK AKBA (A/751) SKR/TI/2023 REF SYA a
2647/SKR-Ti/AKBA/24
Tersedia namun tidak untuk dipinjamkan - No Loan
Informasi Detail
Judul Seri
-
No. Panggil
SKR SYA a
Penerbit
Makassar : UNITAMA., 2023
Deskripsi Fisik
xii + 57 hlm.: ilus.; 28,5 cm
Bahasa
Indonesia
ISBN/ISSN
-
Klasifikasi
REF SYA a
Tipe Isi
-
Tipe Media
-
Tipe Pembawa
-
Edisi
-
Subjek
-
Info Detail Spesifik
Pembimbing I: Pasnur Dan Pembimbing II: Abd. Rahman
Pernyataan Tanggungjawab
-
Versi lain/terkait

Tidak tersedia versi lain

Lampiran Berkas
Tidak Ada Data
Komentar

Anda harus masuk sebelum memberikan komentar

UPT Perpustakaan Unitama
  • Informasi
  • Layanan
  • Pustakawan
  • Area Anggota

Tentang Kami

As a complete Library Management System, SLiMS (Senayan Library Management System) has many features that will help libraries and librarians to do their job easily and quickly. Follow this link to show some features provided by SLiMS.

Cari

masukkan satu atau lebih kata kunci dari judul, pengarang, atau subjek

Donasi untuk SLiMS Kontribusi untuk SLiMS?

© 2026 — Senayan Developer Community

Ditenagai oleh SLiMS
Pilih subjek yang menarik bagi Anda
  • Karya Umum
  • Filsafat
  • Agama
  • Ilmu-ilmu Sosial
  • Bahasa
  • Ilmu-ilmu Murni
  • Ilmu-ilmu Terapan
  • Kesenian, Hiburan, dan Olahraga
  • Kesusastraan
  • Geografi dan Sejarah
Icons made by Freepik from www.flaticon.com
Pencarian Spesifik
Kemana ingin Anda bagikan?