Perpustakaan Universitas Padjajaran
Pencarian Spesifik

Detail Cantuman

Image of SENTIMENT ANALYSIS MENGGUNAKAN ALGORITMA SUPPORT VECTOR MACHINES PADA LAYANAN JEJARING SOSIAL TWITTER (Studi Kasus Elektabilitas Bakal Calon Gubernur dan Bakal Calon Wakil Gubernur PILKADA Jawa Barat

Text  

SENTIMENT ANALYSIS MENGGUNAKAN ALGORITMA SUPPORT VECTOR MACHINES PADA LAYANAN JEJARING SOSIAL TWITTER (Studi Kasus Elektabilitas Bakal Calon Gubernur dan Bakal Calon Wakil Gubernur PILKADA Jawa Barat

Penggunaan layanan jejaring sosial Twitter di Indonesia tidak terbatas pada portal
informasi dan interaksi antar pengguna saja. Twitter ...

  • CodeCallNoLokasiKetersediaan
    010030008163519.5 Jak sPerpustakaan Pusat (Reference Kls. 500 REF.14.42.1)Tersedia
  • Perpustakaan
    Perpustakaan Pusat
    Judul Seri
    -
    No. Panggil
    519.5 Jak s/R.14.42.1
    Penerbit FMIPA Pascasarjana UNPAD : Bandung.,
    Deskripsi Fisik
    xii, 62 hlm. ; il. ; 29 cm.
    Bahasa
    Indonesia
    ISBN/ISSN
    -
    Klasifikasi
    519.5
    Tipe Isi
    -
    Tipe Media
    -
    Tipe Pembawa
    -
    Edisi
    -
    Subyek
    Sentiment Analysis Menggunakan Algoritma Support
    Info Detil Spesifik
    Reference
    Pernyataan Tanggungjawab
  • Penggunaan layanan jejaring sosial Twitter di Indonesia tidak terbatas pada portal
    informasi dan interaksi antar pengguna saja. Twitter dijadikan sebagai media untuk
    menyampaikan opini terhadap suatu entitas atau objek. Kumpulan opini-opini
    berupa tweets tersebut merupakan suatu sumber informasi yang dapat
    diklasifikasikan menjadi kelas negatif dan kelas positif menggunakan sentiment
    analysis. Fenomena bakal Calon Gubemur (CAGUB) dan bakal Calon Wakil
    Gubemur (CA WAGUB) pada PILKADA Jawa Barat tahun 2018, merupakan salah

    satu bahan opini pengguna layanan jejaring sosial Twitter. Penelitian ini bertujuan
    untuk mengetahui elektabilitas dari masing-masing bakal CAGUB dan bakal
    CA W AGUB berdasarkan sentiment analysis pada kumpulan opini berupa tweets
    berbahasa Indonesia. Algoritma Support Vector Machines (SVM) digunakan pada
    penelitian ini karena secara empiris memiliki performa yang baik dalam klasifikasi
    data teks, dan mampu mengakomodir kasus data terpisah baik secara linier atau
    nonlinier sehingga global solutions dapat dihasilkan. Ketepatan klasifikasi yang
    dihasilkan pada penelitian ini menunjukan nilai akurasi yang cukup tinggi.
    Berdasarkan F-Measure, algoritma SVM pada sentiment analysis merupakan
    pengklasifikasi yang baik dalam pengklasifikasian data teks berupa tweets
    berbahasa Indonesia.

  • Tidak tersedia versi lain

  • Silakan login dahulu untuk melihat atau memberi komentar.


//

Informasi