Afriyanti, Afriyanti (2022) Analisis Sentimen Masyarakat Mengenai Vaksin Covid-19 Di Indonesia Menggunakan Algoritma K-Nearest Neighbor (KNN) dan Naïve Bayes. Diploma thesis, Universitas Lancang Kuning.
Text
185520111_BAB-I_VI_DAFTAR-PUSTAKA.pdf Download (364kB) |
|
Text
185520111_BAB-II_sampai_SEBELUM-BAB-TERAKHIR.pdf Restricted to Repository staff only Download (749kB) | Request a copy |
Abstract
Akhir tahun2019, dunia digemparkan dengan penemuan jenis varian baru dikota Wuhan, China yang bernama virus Covid-19. Salah satu cara yang paling efektif untuk mencegah penyebaran pandemi Covid-19 adalah dengan pengadaan vaksin. Namun pengadaan vaksin Covid-19 menimbulkan pro dan kontra di masyarakat. Beberapa ada yang mendukung vaksin, ada yang meragukan, bahkan ada yang menolak vaksin Covid-19. Penelitian ini menggunakan metode klasifikasi K-Nearest Neighbor (K-NN) dengan penambahan Particle Swarm Optimization dan Naïve Bayes. Data Tweet diperoleh berdasarkan kata kunci terkait vaksin Covid-19 dengan memanfaatkan Twitter API (Application Programming Interface). Tahapan penelitian ini yakni crawling data, labeling, text preprocessing, pembagian training data dan testing data, pembuatan klasifikasikasi K-NN dengan penambahan fitur PSO dan Naïve Bayes. Penelitian ini menggunakan dataset berjumlah 370 data yang diberi label sentimen Positif dan Negatif. Dari total 370 data tanggapan masyarakat terhadap vaksin Covid-19 dengan perbandingan 80:20, data training sejumlah 296 dan data testing sejumlah 74, menghasilkan Accuracy sebesar 79.73% untuk Naïve Bayes, Accuracy 87.84% untuk K-NN (k-1) dan Accuracy 85.14% untuk KNN+PSO. Penerapan Particle Swarm Optimization (PSO) justru menghasilkan akurasi yang lebih rendah dibandingkan algoritma K-NN saja dengan penurunan 2.7%.
Item Type: | Thesis (Diploma) |
---|---|
Uncontrolled Keywords: | Analisis Sentimen, Vaksin Covid-19, K-NN, Naïve Bayes, PSO. |
Subjects: | Q Science > QA Mathematics > QA75 Electronic computers. Computer science |
Divisions: | Fakultas Ilmu Komputer > Prodi Teknik Informatika |
Depositing User: | Fitrah Hamidy |
Date Deposited: | 29 Dec 2023 03:51 |
Last Modified: | 29 Dec 2023 03:51 |
URI: | http://repository.unilak.ac.id/id/eprint/2830 |
Actions (login required)
View Item |