Analisis sentimen masyarakat di media sosial x terhadap kementrian kesehatan selama pandemi covid-19 menggunakan metode naive bayes dan svm
Penerbit : FTI - Usakti
Kota Terbit : Jakarta
Tahun Terbit : 2025
Pembimbing 1 : Dian Pratiwi
Pembimbing 2 : Syandra Sari
Kata Kunci : SVM, Naïve Bayes, Sentiment Analysis, Social Media X, COVID-19
Status Posting : Published
Status : Lengkap
No. | Nama File | Hal. | Link |
---|---|---|---|
1. | 2025_SK_STF_064002000021_Halaman-Judul.pdf | 10 | |
2. | 2025_SK_STF_064002000021_Surat-Pernyataan-Revisi-Terakhir.pdf | 1 | |
3. | 2025_SK_STF_064002000021_Surat-Hasil-Similaritas.pdf | 1 | |
4. | 2025_SK_STF_064002000021_Halaman-Pernyataan-Persetujuan-Publikasi-Tugas-Akhir-untuk-Kepentingan-Akademis.pdf | 1 | |
5. | 2025_SK_STF_064002000021_Lembar-Pengesahan.pdf | 1 | |
6. | 2025_SK_STF_064002000021_Pernyataan-Orisinalitas.pdf | 1 | |
7. | 2025_SK_STF_064002000021_Formulir-Persetujuan-Publikasi-Karya-Ilmiah.pdf | 1 | |
8. | 2025_SK_STF_064002000021_Bab-1-Pendahuluan.pdf | ||
9. | 2025_SK_STF_064002000021_Bab-2-Landasan-Teori.pdf |
|
|
10. | 2025_SK_STF_064002000021_Bab-3-Metodologi-Penelitian.pdf |
|
|
11. | 2025_SK_STF_064002000021_Bab-4-Analisis-dan-Pembahasan.pdf |
|
|
12. | 2025_SK_STF_064002000021_Bab-5-Kesimpulan-dan-Saran.pdf | ||
13. | 2025_SK_STF_064002000021_Daftar-Pustaka.pdf |
P Penelitian ini menganalisis sentimen masyarakat di platform media sosial x terhadap kementerian kesehatan indonesia selama pandemi covid-19 dengan menggunakan algoritma naïve bayes dan support vector machine (svm). data dari unggahan yang menyebut akun resmi kemenkes (@kemenkesri) dipreproses dan diberi label sentimen menggunakan vader. klasifikasi sentimen dilakukan dengan pembobotan tf-idf, dan kedua algoritma dievaluasi. hasil menunjukkan svm mencapai akurasi yang sedikit lebih tinggi (79%) dibandingkan naïve bayes (77%), menandakan efektivitasnya dalam menangani struktur bahasa yang kompleks, meskipun memerlukan sumber daya komputasi lebih tinggi. penelitian ini menyoroti potensi svm dalam analisis sentimen terhadap kebijakan kesehatan.
T This study examines public sentiment on social media platform x regarding indonesia\\\'s ministry of health during the covid-19 pandemic, using naïve bayes and support vector machine (svm) algorithms. posts mentioning the ministry’s official account (@kemenkesri) were preprocessed and labeled using the vader tool. sentiment classification was performed with tf-idf word weighting, and both algorithms were evaluated. results show svm achieved slightly higher accuracy (79%) than naïve bayes (77%), indicating its effectiveness in handling complex language structures, though it requires more computational resources. this research underscores the utility of svm for analyzing public sentiment on health policies..