Rofiq, Mochammad As'adur (2018) Analisis Profiling Tweets Pada Pemilihan Gubernur Di Jawa Tahun 2018 Menggunakan Metode Clustered Support Vector Machines. Undergraduate thesis, Institut Teknologi Sepuluh Nopember.
Preview |
Text
06211440000097-Undergraduate_Theses.pdf - Accepted Version Download (2MB) | Preview |
Abstract
Penggunaan sosial media dalam percakapan politik kian meningkat drastis. Twitter sebagai media komunikasi politik akan menjadi sarana efektif untuk saling bertukar ide atau gagasan terkait pasangan calon khususnya menjelang pilkada serentak 2018 di Pulau Jawa. Salah satu alat yang dapat digunakan untuk mengekstraksi opini masyarakat pada twitter adalah analisis senTimen. Hasil analisis senTimen dapat berupa klasifikasi sebuah teks berdasarkan opini yang terkandung dalam teks atau dokumen tersebut. Dalam penelitian ini metode klasifikasi yang digunakan adalah CSVM dengan fungsi kernel linear dan RBF. Metode ini adalah pengembangan dari metode SVM yang bertujuan mengurangi beban komputasi saat digunakan pada data skala besar. Hasil dari penelitian ini menunjukkan bahwa pada Provinsi Jawa Timur, Jawa Tengah dan Jawa Barat metode CSVM menggunakan kernel linear memiliki ketepakatan klasifikasi lebih baik dibandingkan dengan menggunakan kernel RBF dengan nilai akurasi dan Time proses sebesar 100%; 97,8%;98,7%; serta 7,157 detik; 1,731 detik; dan 2,329 detik.
=========================================================================== In recent years, the use of social media in political conversations has increased dramatically. In Indonesia, social media, especially twitter has an important role in the 2014 presidential election that won the pair of presidential candidates Joko Widodo and Jusuf Kalla. Twitter as a political communication media will be an effective means to exchange ideas or ideas related to candidate pairs especially ahead of elections in conjunction 2018 in Java. One tool that can be used to extract public opinion on twitter is the analysis of senTiments. The results of senTiment analysis can be a classification of a text based on the opinions contained in the text or document. In this research the classification method used is CSVM with linear kernel function and RBF. This method is the development of the SVM method aimed at reducing the computational load when used on large-scale data. The results of this study indicate that in East, Central, and West Java the CSVM method using linear kernel has better classification agreement than using RBF kernel with accuracy and Time 100%; 97,8%;98,7%; also 7,157 seconds; 1,731 seconds; dan 2,329 seconds.
| Item Type: | Thesis (Undergraduate) |
|---|---|
| Uncontrolled Keywords: | CSVM, Klasifikasi, Twitter, Pilkada Serentak. |
| Subjects: | H Social Sciences > HA Statistics > HA29 Theory and method of social science statistics J Political Science > JA Political science (General) J Political Science > JS Local government Municipal government T Technology > T Technology (General) > T57.5 Data Processing |
| Divisions: | Faculty of Mathematics, Computation, and Data Science > Statistics > 49201-(S1) Undergraduate Thesis |
| Depositing User: | M Asadur Rofiq |
| Date Deposited: | 24 Jun 2021 01:34 |
| Last Modified: | 24 Jun 2021 01:34 |
| URI: | http://repository.its.ac.id/id/eprint/54682 |
Actions (login required)
 |
View Item |