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. Undergraduate thesis, Muhammadiyah University, Semarang.

[img]
Preview
Text
1. HALAMAN DEPAN.pdf

Download (344kB) | Preview
[img]
Preview
Text
2. LEMBAR PERSETUJUAN PEMBIMBING.pdf

Download (367kB) | Preview
[img]
Preview
Text
3. LEMBAR PENGESAHAN.pdf

Download (395kB) | Preview
[img]
Preview
Text
6. ABSTRAK.pdf

Download (646kB) | Preview
[img]
Preview
Text
12. BAB I.pdf

Download (571kB) | Preview
[img]
Preview
Text
13. BAB II.pdf

Download (837kB) | Preview
[img] Text
14. BAB III.pdf
Restricted to Repository staff only

Download (608kB) | Request a copy
[img] Text
15. BAB IV.pdf
Restricted to Repository staff only

Download (882kB) | Request a copy
[img]
Preview
Text
16. BAB V.pdf

Download (399kB) | Preview
[img]
Preview
Text
17. DAFTAR PUSTAKA.pdf

Download (490kB) | Preview
[img] 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

Item Type: Thesis (Undergraduate)
Call Number: 038/Statistik/XI/2020
Subjects: L Education > Statistics
Divisions: Faculty of Science and Mathematics > S1 Statistics
Depositing User: perpus unimus
Date Deposited: 18 Jun 2021 03:34
Last Modified: 18 Jun 2021 03:34
URI: http://repository.unimus.ac.id/id/eprint/4565

Actions (login required)

View Item View Item