PERBANDINGAN ALGORITMA SUPPORT VECTOR MACHINE DAN NAÏVE BAYES PADA ANALISIS SENTIMEN KEANGGOTAAN INDONESIA DI BOARD OF PEACE MENGGUNAKAN PENDEKATAN SEMMA

Pratama, Dendy (2026) PERBANDINGAN ALGORITMA SUPPORT VECTOR MACHINE DAN NAÏVE BAYES PADA ANALISIS SENTIMEN KEANGGOTAAN INDONESIA DI BOARD OF PEACE MENGGUNAKAN PENDEKATAN SEMMA. Skripsi (Bachelor) thesis, Universitas Muhammadiyah Bengkulu.

[img] Text (Fulltext)
DENDY PRATAMA_2255201198_Fulltext.pdf - Submitted Version
Restricted to Repository staff only
Download (6MB) | Request a copy
[img] Text (Turnitin)
DENDY PRATAMA_2255201198_Turnitin.pdf - Submitted Version
Restricted to Repository staff only
Download (11MB) | Request a copy
[img] Text (ABSTRAK + BAB 1)
DENDY PRATAMA_2255201198_ASTRAK + BAB 1.pdf - Submitted Version
Download (324kB)
[img] Text (BAB 2)
DENDY PRATAMA_2255201198_BAB 2.pdf - Submitted Version
Download (403kB)
[img] Text (BAB 3)
DENDY PRATAMA_2255201198_BAB 3.pdf - Submitted Version
Restricted to Repository staff only
Download (379kB) | Request a copy
[img] Text (BAB 4)
DENDY PRATAMA_2255201198_BAB 4.pdf - Submitted Version
Restricted to Repository staff only
Download (5MB) | Request a copy
[img] Text (BAB 5)
DENDY PRATAMA_2255201198_BAB 5.pdf - Submitted Version
Download (218kB)
[img] Text (Ref + Lamp)
DENDY PRATAMA_2255201198_Ref + Lamp.pdf - Submitted Version
Download (280kB)

Abstract

Perkembangan media sosial telah mendorong munculnya berbagai opini publik terhadap isu politik yang berkembang di ruang digital. Salah satu isu yang memicu beragam respons masyarakat adalah keanggotaan Indonesia di Board of Peace. Penelitian ini bertujuan untuk menganalisis dan mengklasifikasikan sentimen publik terhadap isu tersebut menggunakan algoritma Support Vector Machine (SVM) dan Naïve Bayes dengan menerapkan pendekatan kerangka kerja SEMMA (Sample, Explore, Modify, Model, Assess). Data yang digunakan dalam penelitian ini berjumlah 3.962 data unik. Tahapan penelitian meliputi pengumpulan data, pembersihan data (cleaning), pelabelan data manual, case folding, normalisasi, tokenisasi, stopword removal, stemming, pembagian dataset, serta pelatihan dan pengujian model. Evaluasi model dilakukan menggunakan confusion matrix serta metrik akurasi untuk mengukur performa kedua algoritma tersebut. Hasil penelitian menunjukkan bahwa model Support Vector Machine (SVM) mampu mengklasifikasikan sentimen dengan tingkat akurasi sebesar 74,15%, sedangkan Naïve Bayes mencapai 64,44%. Nilai tersebut menunjukkan bahwa model SVM memiliki kemampuan yang lebih baik dalam memahami pola sentimen pada teks berbahasa Indonesia yang bersifat tidak terstruktur dan mengandung bahasa informal. Penelitian ini membuktikan bahwa pendekatan SEMMA efektif digunakan dalam analisis sentimen pada isu politik serta mampu memberikan gambaran mengenai kecenderungan opini publik di ruang digital.

Item Type: Thesis (Skripsi (Bachelor))
Additional Information: Pembimbing : Muntahanah, S.Kom., M.Kom.
Uncontrolled Keywords: Analisis Sentimen, SEMMA, Support Vector Machine, Naïve Bayes, Klasifikasi Teks, Board of Peace. Text Classification, Board of Peace.
Subjects: Universitas Muhammadiyah Bengkulu > 02-Fakultas Teknik > 55201-(S1) Teknik Informatika
02-Fakultas Teknik > 55201-(S1) Teknik Informatika
Divisions: 02-Fakultas Teknik > 55201-(S1) Teknik Informatika
Subjek Terkait > 02-Fakultas Teknik > 55201-(S1) Teknik Informatika
Depositing User: Mrs Atika Ledia Anggraini
Date Deposited: 29 Aug 2026 03:28
Last Modified: 29 Aug 2026 03:28
URI: http://repository.umb.ac.id/id/eprint/3578

Actions (login required)

View Item View Item