SKRIPSI

research
  • 14 Mar
  • 2024

SKRIPSI

ABSTRAKSI

Ratih Kartikasari (19221641), Analisis Sentimen Twitter Terhadap Layanan SAMSAT Menggunakan Algoritma Naïve Bayes.

Pelayanan publik meliputi semua pelayanan yang disediakan oleh negara, baik lembaga pemerintah itu sendiri maupun pelayanan yang diberikan oleh lembaga swadaya masyarakat, memenuhi kebutuhan masyarakat dan dengan segala perangkat dan instrumen penegakan peraturan. Pada aplikasi twitter pengguna bebas memberi komentar atau opini apapun mengenai pelayanan publik. Komentar atau sentiment sebagai tumpuan penilaian terhadap suatu objek atau peristiwa Analisis Sentimen membantu untuk mendapatkan gambaran tentang persepsi umum bagaimana membagi jenis opini ke dalam kategori layanan positif atau negatif terhadap pelayanan Sistem Administrasi Manunggal Satu Atap (SAMSAT). Metode yang digunakan dalam penelitian ini adalah metode Naïve Bayes Classifier Pengumulan data dilakukan dengan mengcrawling ulasan layanan SAMSAT dari pengguna Twiiter. Data tweets didapatkan dengan cara crawl twitter menggunakan tools RapidMiner Studio dari twitter yang diakses langsung menggunakan Twitter API key dan Access token. Data yang diproses terdiri dari analisis Positif dan Negatif. Rapid Miner Studio adalah program yang digunakan Twitter untuk menilai ulasan masyarakat tentang layanan SAMSAT. Perangkat lunak yang disebut Rapid Miner adalah open source. RapidMiner adalah solusi untuk analisis prediktif, data mining, dan text mining. Hasil Akurasi sentiment twitter layanan SAMSAT dengan algoritma Naïve Bayes mendapat nilai akurasi 88.70% dengan nilai prediksi positif 93,60% dan nilai prediksi negatif 83,82 %. Sedangkan Hasil akurasi Recall Positif 85,20% dan hasil akurasi recall negatif 92,93% dan nilai AUC sebesar 0.891 micro average.


Kata Kunci: Analisis Sentimen, Naïve Bayes, RapidMiner Studio, Twitter


ABSTRAC

Ratih Kartikasari (19221641) Twitter Sentiment Analysis of SAMSAT Services Using the Naïve Bayes Algorithm.


Public services include all services provided by the state, both government institutions themselves and services provided by non-governmental organizations, meeting community needs and with all the tools and instruments of enforcing regulations. On the Twitter application, users are free to provide any comments or opinions regarding public services. Comments or sentiments as a basis for assessing an object or event. Sentiment Analysis helps to get an idea of general perceptions, how to divide types of opinions into positive or negative service categories regarding One-Stop Single Administration System (SAMSAT) services. The method used in this research is the Naïve Bayes Classifier method. Data collection was carried out by crawling SAMSAT service reviews from Twitter users. Tweets data was obtained by crawling Twitter using the RapidMiner Studio tool from Twitter which was accessed directly using the Twitter API key and Access token. The processed data consists of Positive and Negative analysis. Rapid Miner Studio is a program that Twitter uses to assess public reviews of SAMSAT services. The software called Rapid Miner is open source. RapidMiner is a solution for predictive analysis, data mining, and text mining. The SAMSAT service's Twitter sentiment accuracy results with the Naïve Bayes algorithm received an accuracy value of 88.70% with a positive prediction value of 93.60% and a negative prediction value of 83.82%. Meanwhile, the positive recall accuracy results were 85.20% and the negative recall accuracy results were 92.93% and the AUC value was 0.891 micro average.


Keywords: Sentiment Analyst, Naïve Bayes, RapidMiner Studio, Twitter

 

 

REFERENSI

BAB IV
REFERENSI

Alita, D., & Rahma, A. (2020). Pendeteksian Sarkasme pada Proses Analisis Sentimen Menggunakan Random Forest Classifier. https://jurnal.fmipa.unila.ac.id/komputasi/article/view/2615/1881


Bapenda. (2023). Tugas Pokok dan Fungsi. https://bapenda.jabarprov.go.id/tugas-pokok-dan-fungs


Christianto, M., Andjarwirawan, J., & Tjondrowiguno, A. N. (2020). Aplikasi Analisa Sentimen Pada Komentar Berbahasa Indonesia Dalam Objek Video di Website YouTube Menggunakan Metode Naïve Bayes Classifier. https://publication.petra.ac.id/index.php/teknik-informatika/article/view/9806


Darwis, D., Siskawati, N., & Abidin, Z. (2021). Penerapan Algoritma Naive Bayesuntuk Analisis Sentimen ReviewData TwitterBMKG Nasional. https://ejurnal.teknokrat.ac.id/index.php/teknokompak/article/view/744/561


Febriyani, E., & Februariyanti, H. (2023). Analisis Sentimen Terhadap Program Kampus Merdeka Menggunakan Algoritma Naive Bayes Classifier Di Twitter.


Irfani, S. (2019). Dimensi ekologi dalam prosa fiksi anak dan remaja. http://repository.um.ac.id/134882/


Isfahani, F. Al, & Mubarok, R. (2021). Analisis Sentimen Pengguna Twitter Terhadap Kebijakan Pemberlakuan Pembatasan Sosial Berskala Besar (Psbb) Dengan Metode Naïve Bayes.


Lestari, S., & Saepudin, S. (2021). Analisis Sentimen Vaksin Sinovac Pada Twitter Menggunakan Algoritma Naive Bayes. https://sismatik.nusaputra.ac.id/index.php/sismatik/article/view/23


Mamangkey, M., Liando, D., & Kimbal, M. (2019). Pelayanan Sistem Administrasi Manunggal Satu Atap Online di Kota Manado. https://ejournal.unsrat.ac.id/v3/index.php/jurnaleksekutif/article/view/24638/24329


Nova, G. D. A., Rida, & Priyandini. (2020). . Analisis Kinerja Pendapatan Pajak Daerah Pada Badan Pendapatan Daerah (Bapenda) Kabupaten O Gan Komering Ulu Tahun 2013 - 2017. http://journal.unbara.ac.id/index.php/fe/article/view/628/455


Pohan, R. F. R., Ratnawati, D. E., & Arwani, I. (2022). Implementasi Algoritma Support Vector Machine dan Model Bag-of-Words dalam Analisis Sentimen mengenai PILKADA 2020 pada Pengguna Twitter. file:///C:/Users/Asus/Downloads/cupuz,+%23%23default.groups.name.manager%23%23,+11715-99Z_Artikel-81851-1-2-20221012.pdf


Riyani, A., Zidny, M. N., & Burhanuddin, A. (2019). Penerapan Cosine Similarity d an Pembobotan T F - IDF u ntuk Mendeteksi Kemiripan Dokumen. http://inacl.id/journal/index.php/jlk/article/view/17/19


Rozi, F. N., & Sulistyawati, D. H. (2019). Klasifikasi Berita Hoax Pilpres Menggunakan Metode Modified K-Nearest Neighbor Dan Pembobotan Menggunakan Tf-IdfKlasifikasi Berita Hoax Pilpres Menggunakan Metode Modified K-Nearest Neighbor Dan Pembobotan Menggunakan Tf-Idf. https://jurnal.untag-sby.ac.id/index.php/KONVERGENSI/article/view/2828


Samsir, Ambiyar, Verawardina, U., Edi, F., & Watrianthos, R. (2021). Analisis Sentimen Pembelajaran Daring Pada Twitter di Masa Pandemi COVID-19 Menggunakan Metode Naïve Bayes. http://stmik-budidarma.ac.id/ejurnal/index.php/mib/article/view/2580/1870


Suryantoro, B., & Kusdyana, Y. (2020). Analisis Kualitas Pelayanan Pubik Pada Politekinik Pelayaran Surabaya. https://jurnal.stiamak.ac.id/index.php/jbh/article/view/42/38


Wandani, A., Fauziah, F., & A Andrianingsih. (2021). Sentimen Analisis Pengguna Twitter Pada Event Flash Sale Menggunakan Algoritma K-Nn, Random Forest, Dan Naive Bayes. http://ejurnal.tunasbangsa.ac.id/index.php/jsakti/article/view/365


Zuhdi, A. M., Utami2, E., & Raharjo, S. (2019). Analisis Sentiment Twitter Terhadap Capres Indonesia 2019 Dengan Metode KNN. http://www.poltekindonusa.ac.id/SUB-DOMAIN/informa/index.php/informa/article/view/73/67

 

 

Cari

Bidang Ilmu

Kategori

Kiriman Terbaru