SUSANTIVA, Meilisa Ayu (2023) Penerapan Algoritma Support Vector Machine Terhadap Analisis Sentimen Kesehatan Mental Anxiety Pengguna Media Sosial Studi Kasus Twitter. Skripsi thesis, Universitas Jenderal Soedirman.

	PDF (Cover) COVER-Meilisa Ayu Susantiva-H1D019006-Skripsi-2023.pdf Download (66kB)
	PDF (Legalitas) LEGALITAS-Meilisa Ayu Susantiva-H1D019006-Skripsi-2023.pdf Restricted to Repository staff only Download (775kB)
	PDF (Abstrak) ABSTRAK-Meilisa Ayu Susantiva-H1D019006-Skripsi-2023.pdf Download (127kB)
	PDF (BabI) BAB-I-Meilisa Ayu Susantiva-H1D019006-Skripsi-2023.pdf Restricted to Repository staff only until 22 August 2024. Download (263kB)
	PDF (BabII) BAB-II-Meilisa Ayu Susantiva-H1D019006-Skripsi-2023.pdf Restricted to Repository staff only until 22 August 2024. Download (451kB)
	PDF (BabIII) BAB-III-Meilisa Ayu Susantiva-H1D019006-Skripsi-2023.pdf Restricted to Repository staff only until 22 August 2024. Download (368kB)
	PDF (BabIV) BAB-IV-Meilisa Ayu Susantiva-H1D019006-Skripsi-2023.pdf Restricted to Repository staff only Download (1MB)
	PDF (BabV) BAB-V-Meilisa Ayu Susantiva-H1D019006-Skripsi-2023.pdf Download (185kB)
	PDF (DaftarPustaka) DAFTAR PUSTAKA-Meilisa Ayu Susantiva-H1D019006-Skripsi-2023.pdf Download (196kB)
	PDF (Lampiran) LAMPIRAN-Meilisa Ayu Susantiva-H1D019006-Skripsi-2023.pdf Restricted to Repository staff only Download (118kB)

Abstract

Pengguna media sosial semakin meningkat dari tahun ke tahun. Hal ini didasari karena mengingat banyaknya manfaat dari media sosial, salah satunya adalah pengguna dapat dengan mudah mengekspresikan diri seperti bercerita, marah, berpendapat, mengeluh dan masih banyak lagi. Twitter merupakan media sosial yang banyak digunakan masyarakat indonesia. Rata-rata komentar atau tweet di twitter membahas tentang kehidupan sehari-hari hingga sesuatu yang sedang hangat dibicarakan, seperti salah satu contoh adalah isu kesehatan mental anxiety. Tujuan penelitian ini adalah untuk melakukan analisis sentimen tentang kesehatan mental anxiety pengguna media sosial twitter dengan metode Support Vector Machine (SVM) dan bahasa Python. Dataset yang berhasil diolah berjumlah 2672 dengan data berpolaritas negatif lebih mendominasi daripada data berpolaritas positif. Hasil akurasi yang didapatkan adalah 97,8% pada dataset non stemming dengan nilai precision sebesar 97,5% dan nilai recall sebesar 88,5%. Sedangkan pada dataset stemming, akurasi didapatkan sebesar 94,2%, precision 86,7% serta nilai recall sebesar 75,6%.

Actions (login required)

View Item