Setyawan, Dwiki (2021) ANALISIS SENTIMEN PUBLIK DAMPAK CORONA TERHADAP EKONOMI INDONESIA MENGGUNAKAN MEDIA SOSIAL TWITTER. S1 thesis, Universitas Atma Jaya Yogyakarta.

Text (Dwiki Setyawan)
1507081501.pdf

File Pdf (1MB)
Text
1507081502.pdf
Restricted to Registered users only

File Pdf (141kB)
Text
1507081503.pdf
Restricted to Registered users only

File Pdf (201kB)
Text
1507081504.pdf
Restricted to Registered users only

File Pdf (401kB)
Text
1507081505.pdf
Restricted to Registered users only

File Pdf (610kB)

Abstract

Virus Corona atau sebutan lainnya adalah Covid-19 (Corona Virus Disease)
muncul pada bulan November 2019 di Wuhan, China. Seiring berjalannya waktu, virus
tersebut sudah tidak lagi dikategorikan dengan sebuah wabah, tetapi dikategorikan
pandemi atau sudah menyebar hampir ke seluruh negara di dunia, salah termasuk
Indonesia. Munculnya Covid-19 di Indonesia pada bulan februari 2020 sudah
mengakibatkan banyak sektor yang dirugikan, tidak hanya pada kesehatan, tetapi juga
sektor ekonomi. Hal ini menimbulkan berbagai sentimen dari publik terkait munculnya
Covid-19 di Indonesia melalui media sosial Twitter.
Salah satu alasan publik menggunakan media sosial Twitter dikarenakan
kemudahan pengguna untuk menyebarkan informasi atau sebuah kejadian secara real
time. Munculnya banyak sentimen dalam twitter mendorong penulis untuk melakukan
penelitian analisis sentimen dengan menggunakan metode Naïve Bayes Classifier yang
dengan pembanding yaitu Support Vector Machine (SVM) untuk melakukan proses
klasifikasi berdasarkan data twitter. Kata kunci untuk dalam menemukan polaritas
sentimen adalah berkaitan “ekonomi dengan Covid-19”.
Metode Naive Bayes Classifier digunakan untuk model klasifikasi apakah
sentimen tersebut merupakan sentimen positif, sentimen negatif, atau sentimen netral.
Berdasarkan hasil implementasi dua metode tersebut, metode Support Vector Machine
(SVM) memiliki akurasi yang lebih tinggi dibanding metode Naïve Bayes Classifier
yang dimana akurasi sebesar 99,8754% dengan jumlah opini yang lebih condong ke
negatif, sedangkan tingkat akurasi dari metode Naive Bayes Classifier sebesar
80,3617% dengan condong negatif..

Item Type: Thesis (S1)
Uncontrolled Keywords: Covid-19, SentiStrength, Naïve Bayes Classifier, Sentiment Analysis, Opinion Mining, Support Vector Machine (SVM).
Subjects: Teknik Informatika > Mobile Computing
Divisions: Fakultas Teknologi Industri > Teknik Informatika
Date Deposited: 29 Jul 2021 02:42
Last Modified: 29 Jul 2021 02:42
URI: https://repository.uajy.ac.id/id/eprint/24394

Actions (login required)

View Item
View Item