Analisis Sentimen Terhadap Tweets Samsung Indonesia Menggunakan Metode Support Vector Machine

Triantoro, Aris Rendyansyah (2021) Analisis Sentimen Terhadap Tweets Samsung Indonesia Menggunakan Metode Support Vector Machine. ['eprint_fieldopt_thesis_type_Undergraduate' not defined] thesis, Institut Teknologi Sepuluh Nopember.

	Text 10611710000029-Undergraduate_Thesis.pdf - Accepted Version Restricted to Repository staff only Download (2MB) | Request a copy
	Text 10611710000029-Undergraduate_Thesis.pdf Restricted to Repository staff only Download (2MB) | Request a copy

Abstract

Samsung sebagai perusahaan gawai terkemuka di dunia merupakan perusahaan yang memproduksi berbagai jenis alat teknologi. Teknologi sebagai pendorong peradaban manusia menjadi hal yang sangat penting. Namun dalam berjalannya waktu perlu dilakukan perbaikan dan evaluasi secara bertahap agar dapat memuaskan kebutuhan dengan benar dan menghindari hal yang tidak diinginkan.
Media sosial Twitter merupakan suatu aplikasi yang memungkinkan penggunanya menulis tentang berbagai topik dan membahas isu-isu yang sedang terjadi. Tersedia layanan untuk mengirim tweets atau me re-tweets pesan yang telah dibagikan. Dengan adanya Twitter ini membuat masyarakat lebih mudah untuk beropini. Opini yang disampaikan oleh masyarakat merupakan merupakan masukkan yang sangat bernilai dan dapat menjadi suatu instrumen untuk melakukan evaluasi. Opini-opini tersebut dapat dilakukan analisis agar dapat diperoleh sebuah informasi, namun dalam pelaksanaannya mengolah suatu data teks diperlukan metode yang tepat sehingga informasi yang dihasilkan dapat membantu banyak pihak untuk mendukung suatu keputusan atau pilihan
Analisis sentimen merupakan klasifikasi dokumen teks ke dalam beberapa kelas sentimen, seperti positif dan negatif. Penelitian ini bertujuan meng-klasifikasi tweets masyarakat terhadap perusahaan Samsung Indonesia pada media sosial twitter menggunakan metode Support Vector Machine dengan menggunakan sumber data dari crawling tweets dengan samsungid sebagai kata kunci rujukan menggunakan API Twitter. Penelitian ini menghasilkan kesimpulan bahwa jumlah tweets dengan sentimen negatif sebanyak 13.37%, sentimen positif sebanyak 26.01%, dan sentimen netral sebanyak 60.60% dan model terbaik pengklasifikasian data tweets dengan SVM adalah menggunakan pembagian data dengan proporsi data training sebesar 80% dan data testing sebesar 20% dan menggunakan nilai C = 1.
================================================================================================
Samsung as the world's leading smartphone company is a company that produces various types of technological devices. Technology as the driving force of human civilization is very important. However, in the course of time it is necessary to improve and evaluate gradually in order to satisfy needs properly and avoid undesirable things.
Social media Twitter is an application that allows users to write about various topics and discuss current issues. Services are available to send tweets or re-tweets messages that have been shared. With the existence of Twitter this makes it easier for people to have an opinion. The opinion expressed by the public is a very valuable input and can be an instrument for evaluating. These opinions can be analyzed so that information can be obtained, but in practice, processing a text data requires an appropriate method so that the information generated can help many parties to support a decision or choice.
Sentiment analysis is the classification of text documents into sentiment classes, such as positive and negative. This study aims to classify the community's tweets against the Samsung Indonesia company on Twitter social media using the Support Vector Machine method by using the data source from crawling tweets with samsungidas the reference keyword using the Twitter API. This research results that the number of tweets with negative sentiment is 13.37%, positive sentiment is 26.01%, and neutral sentiment is 60.60% tweets and the best model for classifying tweet data with SVM is to use data sharing by sharing training data by 80% and testing data by 20% and using value C = 1.

Item Type:	Thesis (['eprint_fieldopt_thesis_type_Undergraduate' not defined])
Uncontrolled Keywords:	analisis sentimen, Support Vector Machine, klasifikasi, classification, sentiment analysis, support vector machine
Subjects:	H Social Sciences > HA Statistics > HA29 Theory and method of social science statistics T Technology > T Technology (General)
Divisions:	Faculty of Vocational > 49501-Business Statistics
Depositing User:	Aris Aris Rendyansyah
Date Deposited:	18 Nov 2025 05:42
Last Modified:	18 Nov 2025 05:42
URI:	http://repository.its.ac.id/id/eprint/86561

Actions (login required)

View Item