Abstrak

Baca Juga : KLASIFIKASI DATA TWITTER BERBAHASA INDONESIA MENGGUNAKAN METODE K-NEAREST NEIGHBORS DAN NAÏVE BAYESIAN (Mauliana, 2016) ,

Baca Juga : PREFERENSI PENGGUNAAN JEJARING SOSIAL TWLTTER DAN FACEBOOK PADA MAHASISWA UNIVERSITAS SYIAH KUALA BANDAACEH (Nanda Riva Junita M, 2020) ,

ses crawling adalah sebanyak 36.405 tweet. sisa tweet setelah proses preprocessing adalah 25.184 tweet. klasifikasi pendapat dibagi menjadi 3 kelas yaitu, positif, negatif, dan netral. klasifikasi dilakukan pada tweet berlabel dan tidak berlabel dari tweet dengan kata kunci “unsyiah”. akurasi model yang dibangun dengan metode klasifikasi dagsvm memiliki nilai precision 0.727, nilai recall 0.703, dan nilai f-measure 0.707. setelah fitur dibangun dan dilakukan pengujian pada tweet berlabel didapatkan nilai precision 0.825, nilai recall 0.862, dan nilai f-measure 0.842 dengan jumlah tweet yang terklasifikasi dengan benar adalah 81.01%. berdasarkan hasil pengujian tweet tidak berlabel didapatkan bahwa, pendapat masyarakat terhadap universitas syiah kuala berdasarkan tweet bulan maret hingga september 2017 di media sosial twitter adalah positif. hal ini ditunjukkan dari hasil klasifikasi 300 tweet pengujian yaitu 160 berkategori positif, 136 berkategori netral dan sisanya berkategori negatif. kata kunci: klasifikasi twitter, support vector machines (svm) abstract the survey conducted by apjii (asosiasi pengusaha jasa internet) in 2014, showed that internet usage increases every year in indonesia. the highest utilization of internet was for social media (87,4%) such as twitter. twitter is a microblogging service that has 140 characters maximum in a tweet. twitter is used to share opinion. knowing public opinions can be useful for university. this research analyzes sentiment about syiah kuala university on twitter using support vector machines (svm). the steps are, crawling, preprocessing, classifying, and analyzing. the crawling process gathered 36.405 tweets. the preprocessed tweets was about 25.184. clasification divided the tweets to 3 classes, positive, negative, and neutral. the clasification was performed on labelled tweets and non labelled tweets from tweets containing keyword “unsyiah”. the accuration of the model using dagsvm showed precision value is 0.737, recall value is 0.703, and f-measure value is 0.707. the classification results of labelled tweets showed precision value is 0.825, recall value is 0.862, and f-measure value is 0.842. total labelled tweets classified in correct classes is about 81.01%. accuration result of 300 non labelled tweets from march to september 2017 showed that 160 tweets were classified as positive, 136 tweets were classified as neutral, and the rest were classified as negative. the conclusion of non labelled tweets showed that syiah kuala university has positive view from public. keyword : twitter clasification, support vector machines

Tulisan yang relevan

PENGARUH NON-LINEAR SENTIMEN INVESTOR TERHADAP RETURN SAHAM PADA INDUSTRI MANUFAKTUR DI BURSA EFEK INDONESIA PERIODE PENELITIAN TAHUN 2014-2015 (FADHLILLAH, 2017) ,

SENTIMEN INVESTOR DAN EKPEKTASI PERTUMBUHAN LABA JANGKA PANJANG PADA INDUSTRI NON KEUANGAN DI INDONESIA (Maulina Agustya, 2017) ,

KLASIFIKASI DOKUMEN BERITA KECELAKAAN TRANSPORTASI BERBAHASA INDONESIA MENGGUNAKAN METODE SUPPORT VECTOR MACHINE (Nur Ratna Sari, 2016) ,