Safuna Arnita, Safuna Arnita (2024) Analisis Sentimen Masyarakat Pada Komentar Akun Instagram BMKG Terhadap Fenomena Gelombang Panas Dengan Algoritma Support Vector Machine (SVM). S1 thesis, Universitas Malikussaleh.

	Text safuna arnita_190180097_cover.pdf Download (30kB)
	Text abstrak.pdf Download (7kB)
	Text bab I.pdf Download (472kB)
	Text daftar pustaka.pdf Download (306kB)
	Text safuna arnita_190180097_TGA.pdf Restricted to Registered users only Download (9MB)

Abstract

Fenomena gelombang panas merupakan fenomena cuaca serius dengan kenaikan suhu yang ekstrem yang bisa berdampak sangat berbahaya bagi manusia maupun makhluk hidup lainnya. Fenomena gelombang panas saat ini sedang melanda wilayah Asia tenggara. Hal ini menimbulkan respon atau pandangan yang beragam dari masyarakat. Ini membuat peneliti melakukan analisis terhadap pandangan-pandangan tersebut, baik berupa pendapat positif atau negatif. Proses Analisis dilakukan dengan menerapkan analisis sentimen dari komentar yang ada pada postingan akun Instagram BMKG terhadap fenomena gelombang panas. Metode yang digunakan untuk menganalisis sentimen masyarakat adalah dengan Support Vector Machine (SVM) dan menggunakan kernel Linear. Data teks melalui tahapan preprocessing langkah-langkah preprocessing meliputi casefolding, tokenizing, filtering, dan stemming dan diberi label positif dan negatif. Setelah itu dilakukan ekstraksi fitur menggunakan TfidfVectorizer untuk mengubah teks menjadi representasi numerik. Data kemudian dilakukan proses klasifikasi dengan SVM, digunakan 5 model skenario pembagian data dengan tujuan mencari nilai akurasi tertinggi dalam proses klasifikasi. Hasil klasifikasi sentiment menggunakan SVM didapatkan nilai akurasi tertinggi pada skenario ke 5 yaitu dengan rasio data 90%:10% dengan nilai accuracy 85%. Dimana akurasi ini sudah sangat baik untuk model machine learning. Akurasi yang dengan angka 85% ini artinya kesalahan klasifikasi dari model sudah cukup rendah. Kata Kunci: Analisis Sentimen, Instagram, BMKG, Fenomena Gelombang Panas, SVM

Item Type:	Thesis (S1)
Subjects:	T Technology > T Technology (General)
Divisions:	Fakultas Teknik > 57201 - Jurusan Sistem Informasi
Depositing User:	Safuna Safuna Arnita Safuna arnita
Date Deposited:	13 May 2024 07:21
Last Modified:	13 May 2024 07:21
URI:	https://rama.unimal.ac.id/id/eprint/2237

Actions (login required)

View Item