Analisis sentimen berbasis aspek terhadap mobil listrik di media sosial twiter menggunakan metode Naive Bayes classifier dan latent dirichlet allocation

This item is published by Universitas Islam Negeri Sunan Ampel Surabaya

Musthofa, Putra Umamul (2023) Analisis sentimen berbasis aspek terhadap mobil listrik di media sosial twiter menggunakan metode Naive Bayes classifier dan latent dirichlet allocation. Undergraduate thesis, UIN Sunan Ampel Surabaya.

Text Putra Umamul Musthofa_H06219013.pdf Download (5MB)

Abstract

Perkembangan penjualan mobil listrik di Indonesia semakin tahun mengalami peningkatan yang signifikan. Akan tetapi kehadirannya di Indonesia menimbulkan pro dan kontra di kalangan masyarakat. Sehingga perlu diketahui pro dan kontra masyarakat terhadap mobil listrik dari aspek-aspek yang mempengaruhinya serta mengklasifikasikannya. Sebagai solusi untuk mencari pro dan kontra dari masyarakat terhadap suatu aspek yang dinilai kurang atau lebih dari mobil listrik. Metode yang digunakan untuk mencari aspek menggunakan pemodelan topik latent Dirichlet allocation (LDA) dan naïve bayes classifier untuk mengklasifikasi sentimen. Pemodelan topik LDA menghasilkan coherence score terbaik sebesar 0.453 dengan 6 topik. Topik yang dihasilkan kemudian diinterpretasikan menjadi nama aspek yaitu aspek pengisian baterai, produksi, perkembangan, subsidi, wilayah, dan merk. Setiap aspek kemudian diklasifikasi sentimen positif, negatif, dan netral serta menghasilkan performa dari klasifikasi naive bayes dengan nilai accuracy sebesar 53%, precission 52%, recall 53%, dan f-1 score 53%. Hasil dari klasifikasi pada setiap aspek terbagi menjadi tweet positif, negatif, dan netral. Sebanyak 112 tweet aspek pengisian baterai terklasifikasi menjadi 80 tweet bersentimen positif, 24 tweet berentimen negatif, dan 8 tweet berentimen netral; 136 tweet aspek produksi terklasifikasi menjadi 46 positif, 55 negatif, dan 35 netral; 72 tweet aspek perkembangan terklasifikasi menjadi; 332 tweet aspek subsidi terklasifikasi menjadi 30 tweet positif, 29 negatif, dan 13 netral; 276 tweet aspek wilayah terklasifikasi menjadi 150 tweet positif, 70 negatif, dan 56 netral, dan 284 tweet aspek merk terklasifikasi menjadi 112 tweet bersentimen positif, 94 tweet negatif, dan 78 tweet sentimen netral.

Statistic

Downloads from over the past year. Other digital versions may also be available to download e.g. from the publisher's website.

Item Type:	Thesis (Undergraduate)
Creators:	Creators Email NIM Musthofa, Putra Umamul H06219013@student.uinsby.ac.id H06219013
Contributors:	Contribution Name Email NIDN Thesis advisor Mujib, Mujib mujibrw@uinsby.ac.id 2027048602 Thesis advisor Yusuf, Ahmad ahmadyusuf@uinsby.ac.id 2020019001
Subjects:	Komputer Kecerdasan Media Sosial
Keywords:	Analisis sentimen; mobil listrik; media sosial twiter; metode Naive Bayes classifier; latent dirichlet allocation
Divisions:	Fakultas Sains dan Teknologi > Studi Sistem Informasi
Depositing User:	PUTRA UMA MUSTHOFA ANSHORI
Date Deposited:	03 Nov 2023 07:48
Last Modified:	03 Nov 2023 07:48
URI:	http://digilib.uinsa.ac.id/id/eprint/66360

Actions (login required)

View Item