Analisis sentimen twitter mengenai aplikasi pedulilindungi menggunakan metode valence aware dictionary for sentiment reasoning

DETAIL KOLEKSI

Analisis sentimen twitter mengenai aplikasi pedulilindungi menggunakan metode valence aware dictionary for sentiment reasoning

Oleh : Rafi Dhiyanda

Info Katalog

Penerbit : FTI - Usakti

Kota Terbit : Jakarta

Tahun Terbit : 2022

Pembimbing 1 : Binti Solihah

Pembimbing 2 : Anung B Ariwibowo

Subyek : INIS (Information retrieval system)

Kata Kunci : sentiment analysis, pedulilindungi application, valence aware dictionary for sentiment reasoning, tw

Status Posting : Published

Status : Lengkap

File Repositori

No.	Nama File	Hal.
1.	2022_TA_SIF_064001800026_Halaman-Judul.pdf	8
2.	2022_TA_SIF_064001800026_Lembar-Pengesahan.pdf	3
3.	2022_TA_SIF_064001800026_Bab-1_Pendahuluan.pdf	1
4.	2022_TA_SIF_064001800026_Bab-2_Tinjauan-Pustaka.pdf	18
5.	2022_TA_SIF_064001800026_Bab-3_Metodologi-Penelitian.pdf	8
6.	2022_TA_SIF_064001800026_Bab-4_Analisis-dan-Pembahasan.pdf	26
7.	2022_TA_SIF_064001800026_Bab-5_Kesimpulan.pdf	2
8.	2022_TA_SIF_064001800026_Daftar-Pustaka.pdf	4
9.	2022_TA_SIF_064001800026_Lampiran.pdf	10

Abstrak
Abstract

S alah satu platform media sosial yang sangat umum digunakan oleh berbagaikalangan masyarakat Indonesia adalah Twitter. Twitter sangat umum digunakanoleh berbagai kalangan masyarakat untuk berkomunikasi, mencari berita daninformasi, serta sebagai wadah opini mengenai suatu hal. Pemerintahmembutuhkan masukan atau feedback terkait aplikasi PeduliLindungi dimanamasukan tersebut akan berguna untuk meningkatkan layanan. Penelitian analisissentimen ini bertujuan untuk melakukan identifikasi opini masyarakat di Twitterterhadap aplikasi PeduliLindungi. Tahapan analisis sentiment dilakukan dengancara scraping data, preprocessing, klasifikasi dengan VADER dan visualisasi hasilklasifikasi. Berbagai opini masyarakat mengenai aplikasi PeduliLindungidiklasifikasikan menjadi 2 yaitu positif dan negative. Metode VADER atau ValenceAware Dictionary for Sentiment Reasoning menyesuaikan setiap kata pada sebuahopini dengan kamus yang memiliki tingkat sensitivitas polarity yang sudahditentukan, sehingga proses klasifikasi terhadap berbagai opini yang sudahdikumpulkan dapat memperoleh tingkat keakuratan yang tinggi. Hasil klasifikasitersebut akan memungkinkan instansi terkait untuk meningkatkan pelayanan sertakualitas dari aplikasi tersebut sesuai dengan hasil klasifikasi. Hasil pelabelandengan VADER menghasilkan sentiment negative sebesar 54% (7200 data) dandiikuti oleh sentiment positif sebesar 46% (6217 data).

O ne of the most common social media platforms used by various Indonesian peopleis Twitter. Twitter is very commonly used by various circles of society tocommunicate, find news and information, and as a forum for opinions about amatter. The government needs input or feedback regarding the PeduliLindungapplication where the input will be useful for improving services. This sentimentanalysis research contains the extraction, preprocessing, classification andvisualization process of public opinion that has been collected from Twitter socialmedia. Various public opinions regarding the PeduliLindung application will beclassified into 2 types, namely positive and negative opinions. The opinion will beclassified using the VADER method or Valence Aware Dictionary for SentimentReasoning where this method will adjust each word in an opinion with a dictionarythat has a predetermined level of polarity sensitivity, so that the classificationprocess of various opinions that have been collected can obtain a high level ofaccuracy. The results of the classification will enable the relevant agencies toimprove the service and quality of the application in accordance with the results ofthe classification. The result of labeling with VADER produces negative sentimentby 54% (7200 data) and followed by positive sentiment by 46% (6217 data).