Analisis Sentimen dan Pemodelan Topik Mengenai BPJS Kesehatan Berdasarkan Data Hasil Crawling Twitter Menggunakan Indonesian Sentiment Lexicon dan Algoritma Latent Dirichlet Allocation

Dikiyanti, Tiara Dwi (2020) Analisis Sentimen dan Pemodelan Topik Mengenai BPJS Kesehatan Berdasarkan Data Hasil Crawling Twitter Menggunakan Indonesian Sentiment Lexicon dan Algoritma Latent Dirichlet Allocation. Undergraduate thesis, Sepuluh Nopember Institute of Technology.

[img] Text
06111640000072-Undergraduate_Thesis.pdf - Accepted Version
Restricted to Repository staff only

Download (1MB) | Request a copy

Abstract

Di era sekarang, performa perusahaan di pengaruhi oleh respon yang cepat dan mudah dalam berinteraksi dengan para user. Twitter adalah salah satunya media social yang dipercaya bahwa opini masyarakat di Twitter dapat mempengaruhi pemerintah atau perusahaan untuk mengambil kebijakan. Kritikan masyarakat di Twitter lebih cepat direspon daripada menghubungi customer service secara langsung, hal ini disebabkan karena pemerintah atau perusahaan tidak ingin citra mereka buruk disebabkan keterlambatan dalam merespon keluhan masyarakat di Twitter. Kajian terkait tulisan opini di media sosial dapat menggunakan metode pemodelan topik dan analisis sentimen agar didapatkan topik apa saja yang sedang ramai diperbincangkan dan juga nilai sentimennya. Pemodelan topik dilakukan dengan Latent Dirichlet Allocation serta analisis sentimen menggunakan Indonesian Sentiment Lexicon. Studi kasus opini masyarakat terhadap BPJS Kesehatan dengan menggunakan data Twitter selama 3 bulan dari Februari hingga April 2020, didapatkan 5 topik utama dengan Tarif Iuran Baru BPJS Kesehatan sebagai trending topic dengan nilai sentimennya adalah 61.7% bernilai positif dan 38.3% bernilai negative. =========================================================== In today’s era, company performance is influenced by quick and easy responses to interacting with users. Twitter is one of the social media which is believed that public opinion on Twitter can influence the government or companies to make policies. Public criticism on Twitter is more quickly responded than people who contacting customer service directly, this is because the companies or government do not want their image to be bad due to delays in responding to public complaints on Twitter. Studies related to opinion writing on social media can use the method of topic modeling and sentiment analysis in order to get what topics are currently being discussed and also the value of their sentiments. Modeling of the topic was carried out using Latent Dirichlet Allocation and sentiment analysis using the Indonesian Sentiment Lexicon. A case study of public opinion on BPJS Kesehatan using Twitter data for 3 months from February to April 2020, obtained 5 main topics with the BPJS Kesehatan's New Contribution Rate as a trending topic with a sentiment value of 61.7% positive and 38.3% negative.

Item Type: Thesis (Undergraduate)
Uncontrolled Keywords: Analisis Sentimen, BPJS Kesehatan, Indonesian Sentiment Lexicon, Latent Dirichilet Allocation, Pemodelan Topik, Sentiment Analysis, BPJS Kesehatan, Indonesian Sentiment Lexicon, Latent Dirichilet Allocation, Topic Modeling
Subjects: Q Science > QA Mathematics > QA76.87 Neural networks (Computer Science)
Divisions: Faculty of Science and Data Analytics (SCIENTICS) > Mathematics > 44201-(S1) Undergraduate Thesis
Depositing User: Tiara Dwi Dikiyanti
Date Deposited: 19 Aug 2020 06:12
Last Modified: 19 Aug 2020 06:12
URI: https://repository.its.ac.id/id/eprint/79071

Actions (login required)

View Item View Item