Syahputra, M. Oriza (2025) ANALISIS SENTIMEN PUBLIK TERHADAP CELEBRITY ENDORSMENT DI MEDIA SOSIAL MENGGUNAKAN SVM. S1 thesis, Universitas Malikussaleh.

[img] Text
Cover.pdf

Download (226kB)
[img] Text
Abstrak.pdf

Download (254kB)
[img] Text
BAB 1.pdf

Download (454kB)
[img] Text
DAFTAR PUSTAKA.pdf

Download (297kB)
[img] Text
SKRIPSI M ORIZA SYAHPUTRA (180170087) (1).pdf
Restricted to Repository staff only

Download (2MB)

Abstract

Analisis sentimen masyarakat terhadap celebrity endorsement di media sosial menggunakan Support Vector Machine bertujuan untuk mengamati dan menganalisis sentimen masyarakat terhadap celebrity endorsement di media sosial dan mengetahui nilai sentimen masyarakat, metode yang digunakan dalam penelitian ini adalah Support Vector Machine dan pelabelan Lexicon VADER. Hasil yang ditunjukkan melalui metode Support Vector Machine dengan rasio 80:20 dapat memberikan hasil presisi rata-rata sebesar 77%, recall sebesar 100%, f1-score sebesar 87% dan akurasi sebesar 76.92%. Sentimen pengguna aplikasi Twitter menunjukkan bahwa 77% (338 data) ulasan pengguna Twitter memberikan sentimen positif dan 23% (119 data) memberikan ulasan sentimen negatif dari total 517 data. Saran dari peneliti agar dalam penelitian berikutnya dapat menambahkan lebih banyak data untuk mempermudah pemodelan memberikan nilai akurasi yang lebih tinggi. Menggunakan metode klasifikasi dan evaluasi kinerja lain, seperti Naive Bayes, Decision Tree, Fuzzy, atau Deep Learning. Gunakan alat pengolah data lainnya, seperti RapidMiner, Jupyter Notebook, RStudio, atau lainnya.

Item Type: Thesis (S1)
Subjects: Q Science > QA Mathematics > QA75 Electronic computers. Computer science
Q Science > QA Mathematics > QA76 Computer software
T Technology > T Technology (General)
Divisions: Fakultas Teknik > 55201 - Jurusan Teknik Informatika
Depositing User: S.Kom M Oriza Syahputra
Date Deposited: 25 Feb 2025 08:56
Last Modified: 25 Feb 2025 08:56
URI: https://rama.unimal.ac.id/id/eprint/10280

Actions (login required)

View Item View Item

Latest Collections

Top Downloaded Items

Top Authors

This repository has been indexed by