DETAIL KOLEKSI

Sentiment analysis dari twitter terhadap organisasi menggunakan R dengan Metode Support Vector Machine dan Swot Analysis

5.0


Oleh : Nurus Sa’adah Putri

Info Katalog

Penerbit : FTI - Usakti

Kota Terbit : Jakarta

Tahun Terbit : 2020

Pembimbing 1 : Syaifudin

Subyek : Learning systems;Support vector machines

Kata Kunci : sentiment analysis, support vector machine, swot analysi, R

Status Posting : Published

Status : Tidak Lengkap


File Repositori
No. Nama File Hal. Link
1. 2021_TA_SSI_065001700001_Halaman-Judul.pdf
2. 2021_TA_SSI_065001700001_Lembar-Pengesahan.pdf
3. 2021_TA_SSI_065001700001_Bab-1_Pendahuluan.pdf
4. 2021_TA_SSI_065001700001_Bab-2_Tinjauan-Pustaka.pdf
5. 2021_TA_SSI_065001700001_Bab-3_Metodologi-Penelitian.pdf
6. 2021_TA_SSI_065001700001_Bab-4_-Analisis-dan-Pembahasan.pdf
7. 2021_TA_SSI_065001700001__Bab-5_Kesimpulan.pdf
8. 2021_TA_SSI_065001700001_Daftar-Pustaka.pdf

U Ujaran kebencian (hate speech) merupakan hal yang tidak bisa dihindari untuk setiap aspek kehidupan, baik personal maupun organisasi. Sedangkan Twitter merupakah salah satu platform sosial media terbesar dan menjadikannya sebuah tempat yang bebas untuk berekspresi dan mengemukakan pendapat sekalipun hanya mampu menampung 280 karakter setiap satu kali pembuatan Tweet. Pada tugas akhir ini akan membahas kebebasan berekspresi setiap opini pengguna Twitter untuk Universitas Trisakti sebagai target penelitian dengan melakukan sentiment analysis dengan tahapan yaitu crawling dari Twitter dan metode yang digunakan adalah metode Support Vector Machine (SVM) dengan penggunaan bahasa pemrograman R dan metode untuk melihat efek hate speech tersebut dengan analisa SWOT. Dan hasil akhir sentiment analysis dengan hasil 75% dari 7.136 kata 56% terdapat dalam kamus dan 44% tidak termasuk dalam kamus. Pemetaan SWOT analysis yang diambil dari kuisioner dengan 310 jawaban responden.

H Hate speech (hate speech) is something that cannot be avoided for every aspect of life, both personal and organizational. Besides, Twitter is one of the biggest social media platforms and makes it a free place to express and express opinions even though it can only accommodate 280 characters per Tweet. In this final project will discuss the freedom of expression of every Twitter user opinion for Trisakti University as a research target by conducting a sentiment analysis with steps, crawling from Twitter and the method to be used is the Support Vector Machine (SVM) method using the R programming language and the method for viewing. The hate speech effect with a SWOT analysis. And the final results of sentiment analysis with 75% accuracy from 7.136 words with 55% words available in words dictionary and 44% aren’t in dictionary. SWOT Analysis mapping using questioners with final for 310 responds.

Bagaimana Anda menilai Koleksi ini ?