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 Optimasi Extreme GradientBoosting Menggunakan Principal Component Analysis (PCA) Untuk Analisis Sentimen Program Makan Bergizi Gratis Di Media Sosial
Penanda Bagikan

CD Skripsi

Optimasi Extreme GradientBoosting Menggunakan Principal Component Analysis (PCA) Untuk Analisis Sentimen Program Makan Bergizi Gratis Di Media Sosial

Nurfaizal - Nama Orang;

ABSTRAK
NURFAIZAL, 2025. Optimasi Extreme Gradient Boosting Menggunakan Principal Component Analysis (PCA) Untuk Analisis Sentimen Program Makan Bergizi Gratis Di Media Sosial (dibimbing oleh Muhammad Arafah dan Syahril Amin)

Media sosial saat ini menjadi salah satu wadah utama dalam pembentukan opini publik, termasuk terhadap kebijakan pemerintah seperti Program Makan Bergizi Gratis yang diinisiasi oleh Presiden Prabowo Subianto. Banyaknya respons masyarakat di media sosial, khususnya Instagram, menunjukkan bahwa analisis sentimen menjadi penting untuk mengetahui persepsi publik terhadap program tersebut. Penelitian ini bertujuan untuk menganalisis persepsi publik terhadap Program Makan Bergizi Gratis yang diinisiasi Presiden Prabowo Subianto melalui analisis sentimen komentar Instagram. Metode penelitian meliputi pengumpulan 4.000 komentar, pelabelan manual sentimen (positif, negatif, netral), preprocessing text, pembobotan menggunakan TF-IDF, reduksi dimensi dengan Principal Component Analysis (PCA), serta klasifikasi dengan algoritma Extreme Gradient Boosting (XGBoost). Berdasarkan hasil pengujian pada tiga skenario pembagian data (70:30, 80:20, dan 90:10), optimasi XGBoost menggunakan PCA terbukti mampu meningkatkan kinerja klasifikasi serta mempercepat waktu komputasi. Hasil terbaik diperoleh pada skenario 80:20 dengan nilai accuracy sebesar 72%, precision 70%, recall 51%, dan f1-score 52% dengan waktu komputasi 10 menit 28 detik pada random state 77 dan jumlah komponen PCA sebanyak 275. Dengan demikian, kombinasi PCA dan XGBoost dinilai efektif untuk analisis sentimen pada data komentar media sosial.

Kata Kunci: Analisis Sentimen, Media Sosial, XGBoost, PCA, Makan Bergizi Gratis



Ketersediaan
#
Perpustakaan STMIK AKBA (A / 991) CD/SKR/TI/2025 REF NUR o
2962/CD/SKR-Ti/25
Tersedia namun tidak untuk dipinjamkan - No Loan
Informasi Detail
Judul Seri
-
No. Panggil
CDSKR NUR o
Penerbit
Makassar : UNITAMA., 2025
Deskripsi Fisik
-
Bahasa
Indonesia
ISBN/ISSN
-
Klasifikasi
REF NUR o
Tipe Isi
-
Tipe Media
-
Tipe Pembawa
-
Edisi
-
Subjek
-
Info Detail Spesifik
Pembimbing I: Muhammad Arafah dan Pembimbing II Syahril Amin Penguji:Pasnur, Nurzaenab dan Muhammad Rizal. H
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?