YURI, KHARISMA (2023) ANALISIS SENTIMEN PENGGUNA INSTAGRAM TERHADAP VIRUS OMICRON MENGGUNAKAN METODE LOCAL MEAN K-NEARST NEIGHBOR. S1 thesis, Universitas Malikussaleh.

	Text Cover.pdf Download (38kB)
	Text Abstrak.pdf Download (8kB)
	Text Bab l.pdf Download (245kB)
	Text Daftar Pustaka.pdf Download (259kB)

Abstract

Omicron merupakan virus varian baru dari Covid-19 yang berasal dari Republik Rakyat Tiongkok (RRT). Omicron pertamma kali dilaporkan ke WHO pada 24 November 2021, oleh negara Affrika Selatan. Tujuan penulis membuat penelitian ini adalah untuk mengetahui tanggapan masyarakat pengguna Instagram terhadap virus Omicron. Manfaat dari penelitian ini adalah untuk mengetahui tingkat akurasi dari metode yang digunakan, yaitu Local Mean K-Nearst Neighbor. Pada penelitian ini penulis menggunakan teknik scraping untuk melakukan pengambilan data komentar pada akun Instagram @medantalk sebanyak 500 data komentar, yang nantinya akan diproses untuk menghasilkan sentimen negatif dan positif. Kemudian penulis akan melakukan perhitungan manual menggunakan metode Local Mean K-Nearst Neighbor untuk menentukan kelas sentimen pada komentar akun Instagram @medantalk. Setelah itu penulis akan melakukan implementasi sistem, dimana di dalam implementasi sistem tersebut terdapat menu untuk login ke dalam sistem, input dataset, menu text preprocessing, halaman data latih dan data uji, menu klasifikasi dan visualisasi Local Mean K�Nearst Neighbor dan grafik hasil dari metode Local Mean K-Nearst Neighbor. Dari jumlah dataset yang digunakan sistem menghasilkan tingkat akurasi sebanyak 64,66%, recall 50,76% dan presisi 61,11%, dengan jumlah 215 dokumen yang bersifat positif dan 285 dokumen yang bernilai negatif. Hasil penelitian ini menyatakan bahwa metode Local Mean K-Nearst Neighbor dinyatakan akurat. Kata kunci: Covid-19, Omicron, Analisis Sentimen, Local Mean K-Nearst Neighbor

Item Type:	Thesis (S1)
Subjects:	T Technology > T Technology (General)
Divisions:	Fakultas Teknik > 55201 - Jurusan Teknik Informatika
Depositing User:	Yolinda Cesilia
Date Deposited:	22 Nov 2023 07:32
Last Modified:	22 Nov 2023 07:32
URI:	https://rama.unimal.ac.id/id/eprint/264

Actions (login required)

View Item