ANALISIS SENTIMEN PADA MEDIA SOSIAL TWITTER TERHADAP EVALUASI KINERJA PEMIMPIN DI SEKTOR PENDIDIKAN MENGGUNAKAN ALGORITMA SVM DAN NAIVE BAYES

Saputra, Mahesa Dias (2025) ANALISIS SENTIMEN PADA MEDIA SOSIAL TWITTER TERHADAP EVALUASI KINERJA PEMIMPIN DI SEKTOR PENDIDIKAN MENGGUNAKAN ALGORITMA SVM DAN NAIVE BAYES. Bachelor thesis, Universitas Nasional.

	Text Cover.pdf Download (1MB)
	Text BAB I .pdf Download (134kB)
	Text BAB II .pdf Download (329kB)
	Text BAB III.pdf Download (268kB)
	Text BAB IV .pdf Download (688kB)
	Text BAB V .pdf Download (110kB)
	Text LAMPIRAN.pdf Download (409kB)

Abstract

Twitter telah menjadi alat yang tepat bagi orang untuk berbagi pendapat tentang berbagai topik
, termasuk kebijakan pemerintah di sektor pendidikan . Tujuan dari penelitian ini adalah untuk
mempelajari bagaimana orang memandang keberhasilan Pemimpin di bidang pendidikan
dengan mengevaluasi sentimen aktif di Twitter menggunakan algoritma Support Vector
Machine (SVM) dan Naïve Bayes . Data diperoleh melalui teknik perayapan yang
memanfaatkan kata kunci relevan , diikuti oleh beberapa proses pemrosesan , seperti
pembersihan teks , tokenisasi , dan penghapusan stopword , sebelum analisis pesan dilakukan
. Temuan penelitian ini mengungkapkan bahwa SVM lebih akurat daripada Naïve Bayes dalam
mengklasifikasikan sikap positif, negatif, dan netral , dengan ambang akurasi sebesar 75,2 %,
sedangkan Naïve Bayes memiliki akurasi yang lebih besar . Semua hal sebelumnya
menunjukkan bahwa SVM lebih efektif dalam memproses teks yang rumit , seperti postingan
media sosial . Diyakini bahwa temuan penelitian ini akan membantu pemerintah dan individu
yang terlibat dalam pendidikan memahami sikap publik terhadap perubahan pendidikan saat
ini.

Item Type:	Thesis (Bachelor)
Subjects:	Q Science > Q Science (General) T Technology > T Technology (General)
Divisions:	Skripsi > Fakultas Teknologi Komunikasi dan Informatika > Program Studi Sistem Informasi
Depositing User:	Miss Rahma Rahmawati
Date Deposited:	12 Sep 2025 03:55
Last Modified:	15 Sep 2025 03:40
URI:	http://repository.unas.ac.id/id/eprint/14078

Actions (login required)

View Item