DETAIL KOLEKSI

analisis sentimen twitter mengenai aplikasi pedulil indungi 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, careprotect application, valence aware dictionary for sentiment reasoning.

Status Posting : Published

Status : Tidak Lengkap


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

S Salah 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 One of the most common social media platforms used by variousIndonesian society is Twitter. Twitter is very commonly usedby various circles of society to communicate, seek news andinformation, as well as a forum for opinions on a matter. Governmentneed input or feedback regarding the PeduliLindung application whereSuch input will be useful for improving the service. Analytical researchThis sentiment aims to identify public opinion on Twitterto the PeduliLindung application. Sentiment analysis stages are carried out byhow to scrap data, preprocessing, classify with VADER and visualize the resultsclassification. Various public opinions regarding the PeduliLindung applicationclassified into two, namely positive and negative. VADER or Valence methodAware Dictionary for Sentiment Reasoning adapts each word to aopinion with a dictionary that has a certain level of polarity sensitivitydetermined, so that the process of classifying various opinions that have beencollected can obtain a high level of accuracy. Classification resultsThis will enable relevant agencies to improve services andThe quality of the application is in accordance with the classification results. Labeling resultswith VADER generate negative sentiment of 54% (7200 data) andfollowed by positive sentiment by 46% (6217 data).

Bagaimana Anda menilai Koleksi ini ?