Skripsi/Tugas Akhir

Penerapan Algoritma Naïve Bayes Classifier dalam Analisis Sentimen Komentar pada X (Twitter) PT PLN Persero Menggunakan Text Mining

---

Rating Anda tentang Buku ini!

---

ABSTRAK
Penelitian ini bertujuan untuk melakukan analisis sentimen terhadap data komentar Twitter terkait PT PLN Persero menggunakan bahasa pemrograman Python 3.8 dan RapidMiner. Proses ekstraksi data dilakukan dengan mengumpulkan komentar dari Twitter PLN Persero, kemudian dilakukan preprocessing yang meliputi casefolding, filtering, tokenisasi, slang replacement, dan stopword removal. Sentimen analisis dilakukan dengan membuat dua kelas, yaitu positif dan negatif, menggunakan algoritma klasifikasi Naive Bayes. Setelah dilakukan pengujian, tingkat akurasi yang diperoleh adalah 66%. Hasil penelitian menunjukkan bahwa meskipun menggunakan teknik preprocessing yang canggih dan algoritma klasifikasi yang populer seperti Naive Bayes, tingkat akurasi analisis sentimen masih terbatas pada tingkat yang relatif rendah. Hasil perbandingan banyaknya komentar Positif dan Negative yaitu, jumlah komentar positif lebih banyak dibanding jumlah data komentar negative dengan jumlah presentase yaitu positif 67% dan negative 33%.
Kata Kunci: PT PLN Persero, Analisis Sentimen, Naïve Bayes, Twitter

ABSTRACT
This research aims to conduct sentiment analysis on Twitter comment data related to PT PLN Persero using the Python 3.8 and RapidMiner programming languages. The data extraction process was carried out by collecting comments from PLN Persero's Twitter, then preprocessing was carried out which included casefolding, filtering, tokenization, slang replacement, and stopword removal. Sentiment analysis was carried out by creating two classes, namely positive and negative, using the Naive Bayes classification algorithm. After testing, the accuracy level obtained was 66%. The research results show that despite using sophisticated preprocessing techniques and popular classification algorithms such as Naive Bayes, the accuracy of sentiment analysis is still limited to a relatively low level. The results of comparing the number of positive and negative comments are that the number of positive comments is greater than the number of negative comment data with a percentage of 67% positive and 33% negative.
Keywords: PT PLN Persero, Analisis Sentimen, Naïve Bayes, Twitter

---

Ketersediaan

Tidak ada salinan data

Informasi Detail

Judul Seri

--

No. Panggil

SKR 24-50 DAT p - 0745TI

Penerbit

Makassar : Universitas DIPA., 2024

Deskripsi Fisik

xiv + 93 hlm.; 20,5 x 28,5 cm

Bahasa

Indonesia

ISBN/ISSN

--

Klasifikasi

SKR 24-50

Tipe Isi

Text dan Gambar

Edisi/Cetakan

Edisi/Cetakan 29 Agustus 2024

Subjek

Skripsi/Tugas Akhir
Text Mining
Sosial Media
Analisis Sentimen
Algoritma Naïve Bayes Classifier

Lampiran File