DETAIL KOLEKSI

Analisis sentimen masyarakat di media sosial x terhadap kementrian kesehatan selama pandemi covid-19 menggunakan metode naive bayes dan svm


Oleh : Freddy Andrew Ryandi

Info Katalog

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


File Repositori
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..

Bagaimana Anda menilai Koleksi ini ?