Pengelompokan dan Klasifikasi Pada Pelaporan Masyarakat Di Situs Media Center Kota Surabaya Menggunakan Analisis Sentimen dan Naive Bayes Classifier

Pamungkas, Kukuh Tri (2021) Pengelompokan dan Klasifikasi Pada Pelaporan Masyarakat Di Situs Media Center Kota Surabaya Menggunakan Analisis Sentimen dan Naive Bayes Classifier. Undergraduate thesis, Institut Teknologi Sepuluh Nopember.

Text 10611710000032-Undergraduate_Thesis.pdf - Accepted Version Restricted to Repository staff only until 1 October 2023. Download (2MB) | Request a copy

Abstract

Media center merupakan sebuah sistem pelayanan terintegrasi bagi masyarakat Surabaya. Melalui media center masyarakat dapat berpartisipasi memberikan opini atau melaporkan hal hal yg terkait dengan pembangunan kota Surabaya. Informasi pelaporan masyarakat bisa negatif bisa positif untuk itu perlu dilakukan pengelompokan. Selama ini pengelompokan dilakukan secara manual. Hal ini membutuhkan waktu yang lama, untuk itu dibutuhkan metode pengelompokan yang lebih cepat dan akurat.Dengan menggunakan analisis sentimen dan Naïve Bayes Classifier (NBC) diperoleh pelaporan masyarakat Surabaya tahun 2020 memiliki pelaporan yang bersifat negatif 56,03% dan kelas kategori netral 16,22% serta kelas kategori positif 27,75%, dan hasil klasifikasi menghasilkan ketepatan klasifikasi yang cukup tinggi pada data testing dengan tingkat sensitifitas dan specifity yang ditunjukkan oleh G-Mean dan AUC sebesar 53,14% dan 55,12%.
=======================================================================================================
Media center is an integrated service system for the people of Surabaya. Through the media center, the public can participate in giving opinions or reporting on matters related to the development of the city of Surabaya. Public reporting information can be negative or positive, so it is necessary to group it. So far, the grouping is done manually. This takes a long time, for that we need a faster and more accurate grouping method. By using sentiment analysis and the Naïve Bayes Classifier (NBC) it is obtained that the Surabaya community reporting in 2020 has a negative reporting of 56,03% and a neutral category class of 16,22% and the positive category is 27,75%, and the classification results produce a fairly high classification accuracy on the testing data with the sensitivity and specificity levels shown by the G-Mean and AUC of 53,14% and 55,12%, respectively.

Item Type:	Thesis (Undergraduate)
Uncontrolled Keywords:	Analisis Sentimen, Media Center, Naive Bayes Classifier, Pelaporan Masyarakat, Sensitifitas, Specificity, Sentiment Analysis, Media Center, Naive Bayes Classifier, Community Reporting, Sensitivity, Specificity.
Subjects:	Q Science > Q Science (General) > Q325.5 Machine learning. Support vector machines.
Divisions:	Faculty of Vocational > 49501-Business Statistics
Depositing User:	Kukuh Tri Pamungkas
Date Deposited:	20 Aug 2021 06:32
Last Modified:	20 Aug 2021 06:32
URI:	http://repository.its.ac.id/id/eprint/88132

Actions (login required)

View Item