ANALISIS SENTIMEN PINJAMAN ONLINE DI MEDIA SOSIAL TWITTER MENGGUNAKAN METODE NAIVE BAYES DAN SUPPORT VECTOR MACHINE (SVM)

Indahwani, Susan (2025) ANALISIS SENTIMEN PINJAMAN ONLINE DI MEDIA SOSIAL TWITTER MENGGUNAKAN METODE NAIVE BAYES DAN SUPPORT VECTOR MACHINE (SVM). Bachelor thesis, Universitas Nasional.

	Text COVER.pdf Download (699kB)
	Text BAB I.pdf Download (199kB)
	Text BAB II.pdf Download (427kB)
	Text BAB III.pdf Download (1MB)
	Text BAB IV.pdf Download (609kB)
	Text BAB V.pdf Download (487kB)
	Text LAMPIRAN.pdf Download (364kB)

Abstract

Penelitian ini bertujuan untuk menganalisis sentimen terkait pinjaman online di media sosial Twitter menggunakan dua metode klasifikasi, yaitu Naive Bayes dan Support Vector Machine (SVM). Pinjaman online menjadi topik yang semakin berkembang di Indonesia, seiring dengan meningkatnya penggunaan aplikasi pinjaman digital. Namun, dengan pertumbuhannya, muncul pula beragam sentimen di kalangan pengguna, yang dapat berupa positif, dan negatif. Dalam penelitian ini, data yang digunakan berupa tweet yang mengandung kata kunci terkait pinjaman online yang diambil dari Twitter dalam periode tertentu. Proses analisis dimulai dengan pengumpulan data melalui Twitter API, kemudian data diproses dengan teknik praproses teks seperti tokenisasi, penghilangan stopwords, dan stemming. Selanjutnya, dua algoritma klasifikasi, yaitu Naive Bayes dan Support Vector Machine (SVM), digunakan untuk mengklasifikasikan sentimen tweet ke dalam kategori yang sesuai. Hasil analisis menunjukkan bahwa kedua metode memiliki akurasi yang cukup baik dalam mengidentifikasi sentimen, meskipun Support Vector Machine (SVM) cenderung menghasilkan performa akurasi yang lebih tinggi 83% dibandingkan Naive Bayes hanya 79%. Berdasarkan hasil analisis, mayoritas opini masyarakat mengenai pinjaman online di media sosial twitter cenderung bersifat negatif.

Item Type:	Thesis (Bachelor)
Subjects:	Q Science > Q Science (General) T Technology > T Technology (General)
Divisions:	Skripsi > Fakultas Teknologi Komunikasi dan Informatika > Program Studi Teknik Informatika
Depositing User:	Miss Rahma Rahmawati
Date Deposited:	12 Sep 2025 08:12
Last Modified:	15 Sep 2025 03:02
URI:	http://repository.unas.ac.id/id/eprint/14093

Actions (login required)

View Item