UPT Perpustakaan Unitama

  • Beranda
  • Informasi
  • Berita
  • Bantuan
  • Pustakawan
  • Visitor
  • 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 Komparasi Algoritma Bert Dan Algoritma Naive Bayes Classifier (NBC) Pada Analisis Sentimen Masyarakat Terhadap Kehadiran Starlink Di Indonesia
Penanda Bagikan

CD Skripsi

Komparasi Algoritma Bert Dan Algoritma Naive Bayes Classifier (NBC) Pada Analisis Sentimen Masyarakat Terhadap Kehadiran Starlink Di Indonesia

Jason Nathaniel Notanubun - Nama Orang;

ABSTRAK

JASON NATHANIEL NOTANUBUN, 2025. Komparasi Algoritma BERT Dan Naive Bayes Classifier (NBC) Pada Analisis Sentimen Masyarakat Terhadap kehadiran Starlink Di Indonesia (dibimbing oleh Markani dan Akbar Hendra)

Permasalahan yang terjadi adalah kehadiran starlink di Indonesia memunculkan beragam opini masyarakat di media sosial, khususnya pada platform X (Twitter). Oleh karena itu, Peneliti menawarkan Solusi dari permasalahan tersebut dengan Analisis sentimen untuk memahami persepsi publik, baik positif, netral, maupun negatif. Penelitian ini bertujuan untuk membandingkan performa algoritma Bidirectional Encoder Representations from Transformers (BERT) dan Naive Bayes Classifier (NBC) dalam analisis sentimen, sekaligus mengidentifikasi kecenderungan opini masyarakat terhadap kehadiran Starlink. Data ini diperoleh melalui studi pustaka dan API Twitter dengan bantuan tools Tweet Harvester berbasis Python. Metode yang digunakan dalam penelitian adalah dilakukan secara sistematis melalui beberapa tahap, dimulai dari studi literatur, pengambilan data, pra-pemrosesan teks, klasifikasi dengan algoritma BERT dan NBC, hingga evaluasi hasil menggunakan akurasi, presisi, dan recall. Hasil Penelitian ini menunjukkan BERT memperoleh akurasi 55%, macro precision 64%, dan macro recall 48% dengan keunggulan pada sentimen positif serta performa seimbang antar kelas. Sementara itu, NBC meraih akurasi 54,40%, macro precision 69,64%, dan macro recall 42,56%, lebih unggul pada recall kelas positif namun lemah di kelas negatif dan netral. Secara umum, analisis sentiment mengungkap mayoritas opini masyarakat bersifat positif, diikuti sentimen netral, dan sebagian kecil negatif.

Kata Kunci: Analisis Sentimen, Starlink, Media Sosial X, BERT, Naive Bayes


Ketersediaan
#
Perpustakaan STMIK AKBA (A / 1045) CD/SKR/TI/2025 REF JAS k
3051/CD/SKR-Ti/25
Tersedia namun tidak untuk dipinjamkan - No Loan
Informasi Detail
Judul Seri
-
No. Panggil
CDSKR JAS k
Penerbit
Makassar : UNITAMA., 2025
Deskripsi Fisik
-
Bahasa
Indonesia
ISBN/ISSN
-
Klasifikasi
REF JAS k
Tipe Isi
-
Tipe Media
-
Tipe Pembawa
-
Edisi
-
Subjek
-
Info Detail Spesifik
Pembimbing I: Markani dan Pembimbing II: Akbar Hendra Penguji: Randy Angriawan, Listia Utami dan Neneng Awaliah
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?