ANALISIS SENTIMEN PUBLIK TERHADAP KEBIJAKAN PEMERINTAH DALAM PENANGANAN COVID-19 DI INDONESIA MENGGUNAKAN NAÏVE BAYES CLASSIFIER DAN K-NEARST NEIGHBOUR

Yulianita, Tanti, B2A219018 (2020) ANALISIS SENTIMEN PUBLIK TERHADAP KEBIJAKAN PEMERINTAH DALAM PENANGANAN COVID-19 DI INDONESIA MENGGUNAKAN NAÏVE BAYES CLASSIFIER DAN K-NEARST NEIGHBOUR. Sarjana / Sarjana Terapan (S1/D4) thesis, ["eprint_fieldopt_institution_Muhammadiyah University, Semarang" not defined].

Preview	Text 1. HALAMAN DEPAN.pdf Download (344kB) | Preview
Preview	Text 2. LEMBAR PERSETUJUAN PEMBIMBING.pdf Download (367kB) | Preview
Preview	Text 3. LEMBAR PENGESAHAN.pdf Download (395kB) | Preview
Preview	Text 6. ABSTRAK.pdf Download (646kB) | Preview
Preview	Text 12. BAB I.pdf Download (571kB) | Preview
Preview	Text 13. BAB II.pdf Download (837kB) | Preview
	Text 14. BAB III.pdf Restricted to Repository staff only Download (608kB) | Request a copy
	Text 15. BAB IV.pdf Restricted to Repository staff only Download (882kB) | Request a copy
Preview	Text 16. BAB V.pdf Download (399kB) | Preview
Preview	Text 17. DAFTAR PUSTAKA.pdf Download (490kB) | Preview
	Text 18. LAMPIRAN.pdf Restricted to Repository staff only Download (626kB) | Request a copy

Abstract

Kasus Coronavirus Disease (covid-19) di Indonesia telah berdampak dalam segala lapisan kehidupan. Salah satu kebijakan yang dilakukan oleh pemerintah menjadi sorotan di media sosial yaitu tentang adanya kebijakan Pembatasan Sosial Berskala Besar (PSBB). Banyaknya tanggapan masyarakat tentang kebijakan tersebut sangat beragam terutama di media sosial Twitter. Penelitian ini bertujuan mengetahui bagaimana sentimen masyarakat terhadap kebijakan PSBB melalui tanggapan di media sosial twitter. Data yang digunakan dengan renang waktu April – Juni 2020. Data tersebut diklasifikasikan menggunakan algoritma Naïve Bayes Classifier dan K-Nearst Neighbour. Hasil akurasi yang didapatkan dengan menggunakan Confussion Matrix untuk algoritma Naïve Bayes Classifier sebesar 89.13%, sedangkan untuk K-Nearst Neighbour sebesar 75.87%. Sedangkan peluang kesalahan klasifikasi yang dihasilkan oleh kedua metode tersebut dengan menggunakan APER (Apparent Error Rate) dengan hasil Naïve Bayes Classifier sebesar 10.87%, sedangkan peluang kesalahan klasifikasi K-Nearst Neighbour 24.13%. Kata Kunci: Analisis Sentimen, K-Nearst Neigbour, Naïve Bayes Classifier, PSBB, Twitter

Actions (login required)

View Item