"Analisis sentimen sebagai penilaian opini terhadap polemik bantuan sosial COVID-19 menggunakan Algoritma Random Forest"

Dewi, Pramadita Sielda (2021) "Analisis sentimen sebagai penilaian opini terhadap polemik bantuan sosial COVID-19 menggunakan Algoritma Random Forest". Diploma thesis, UIN Sunan Gunung Djati Bandung.

Preview	Text (COVER) 1_cover.pdf Download (45kB) | Preview
Preview	Text 2_abstrak.pdf Download (120kB) | Preview
Preview	Text (DAFTAR ISI) 3_daftarisi.pdf Download (74kB) | Preview
Preview	Text (BAB I) 4_bab1.pdf Download (189kB) | Preview
	Text (BAB II) 5_bab2.pdf Restricted to Registered users only Download (427kB) | Request a copy
	Text (BAB III) 6_bab3.pdf Restricted to Registered users only Download (125kB) | Request a copy
	Text (BAB IV) 7_bab4.pdf Restricted to Registered users only Download (765kB) | Request a copy
	Text (BAB V) 8_bab5.pdf Restricted to Registered users only Download (98kB) | Request a copy
	Text (DAFTAR PUSTAKA) 9_daftarpustaka.pdf Restricted to Registered users only Download (134kB) | Request a copy

Abstract

Upaya pemerintah dalam melaksanakan program Bantuan Sosial COVID-19 kerap kali menemui permasalahan dan menggiring opini banyak pihak. Opini yang diutarakan salah satunya pada media sosial twitter. Sentimen dari opini tersebut dapat dianalisis untuk mengetahui penilaian dan bahasan dari setiap sentimen yang dapat dijadikan bahan evaluasi dari program Bantuan Sosial telah dilakukan. Pada penelitian ini, sentimen setiap teks yang telah di-preprocessing didapatkan dari proses pelabelan dengan penilaian polarity dan subjectivity yang memanfaatkan library TextBlob. Hasil dari penilaian sentimen netral, positif, dan negatif dibobotkan menggunakan TF-IDF agar dimengerti oleh mesin. Kata yang telah diformat menjadi numerik kemudian diklasifikasikan menggunakan algoritma Random Forest. Parameter yang digunakan pada kasus ini disesuaikan dengan dokumentasi pada sklearn. Dilakukan pula evaluasi algoritma dengan metode 10 k-fold cross validation sebagai validasi performa dari hasil testing setiap bagian data. Didapatkan performa accuracy sebesar 76%, precision 71,4%, recall 60,67%, dan f1-score 63,67. Persentase klasifikasi teks menunjukkan bahwa penilaian topik yang dibahas adalah positif. Hanya saja, dari persentase tersebut ditemukan bahwa metode penilaian polarity dan subjectivity masih memiliki kekurangan dalam mendeteksi kalimat sarkasme. Namun secara keseluruhan masih bisa menghasilkan topik utama sesuai dengan masing-masing sentimen. Topik yang dibahas pada sentimen positif salah satunya adalah upaya pemerintah membuat fitur untuk memonitoring penyaluran bantuan sosial. Pembahasan kata sebutan yang digunakan pada kasus korupsi yang terjadi sebagai sentimen negatif. Adapun sentimen netral yang menunjukkan urgensi untuk membahas isu Bantuan Sosial.

Actions (login required)

View Item