RAHMAWATI, Laras Isna (2020) Analisis Sentimen Terhadap Kehalalan Produk Berdasarkan Opini Dari Twitter Menggunakan Metode Naïve Bayes Classifier. Skripsi thesis, Universitas Jenderal Soedirman.

Preview	PDF (Cover) COVER-Laras Isna Rahmawati-A1C016003-Skripsi-2020.pdf Download (592kB) | Preview
	PDF (legalitas) LEGALITAS-Laras Isna Rahmawati-A1C016003-Skripsi-2020.pdf Restricted to Repository staff only Download (867kB)
Preview	PDF (Abstrak) ABSTRAK-Laras Isna Rahmawati-A1C016003-Skripsi-2020.pdf Download (577kB) | Preview
	PDF (BabI) BAB-I-Laras Isna Rahmawati-A1C016003-Skripsi-2020.pdf Restricted to Repository staff only Download (589kB)
	PDF (BabII) BAB-II-Laras Isna Rahmawati-A1C016003-Skripsi-2020.pdf Restricted to Repository staff only Download (834kB)
	PDF (BabIII) BAB-III-Laras Isna Rahmawati-A1C016003-Skripsi-2020.pdf Restricted to Repository staff only Download (704kB)
	PDF (BabIV) BAB-IV-Laras Isna Rahmawati-A1C016003-Skripsi-2020.pdf Restricted to Repository staff only Download (985kB)
	PDF (BabV) BAB-V-Laras Isna Rahmawati-A1C016003-Skripsi-2020.pdf Restricted to Repository staff only Download (574kB)
Preview	PDF (DaftarPustaka) DAFTAR PUSTAKA-Laras Isna Rahmawati-A1C016003-Skripsi-2020.pdf Download (650kB) | Preview
	PDF (Lampiran) LAMPIRAN-Laras Isna Rahmawati-A1C016003-Skripsi-2020.pdf Restricted to Repository staff only Download (687kB)

Abstract

Analisis sentimen twitter terhadap kehalalan produk adalah suatu studi komputasional tweet seseorang tentang kehalalan produk melalui media sosial twitter yang diekspresikan ke dalam teks untuk mengetahui kecenderungan tweet tersebut masuk ke dalam kelas tweet positif, negatif atau netral (Syakuro, 2017). Banyaknya data tweet yang tersedia maka klasifikasi tweet dilakukan dengan manggunakan metode Naïve Bayes Classifier (NBC) untuk mengetahui kecenderungan masyarakat dunia terhadap kehalalan produk termasuk bersifat positif, negatif atau netral serta mengetahui implementasi penelitian yang dilakukan dalam kehidupan. Penelitian ini bertujuan untuk 1) Menentuan keywords yang berkaitan dengan kehalalan produk, 2) Mengklasifikasikan data tweet ke dalam sentimen positif, negatif dan netral terkait kehalalan produk, dan 3) Mengetahui hasil perbandingan antara kamus sistem dan kamus peneliti dalam analisis sentimen metode Naive Bayes Classifier. Penelitian dilakukan dengan tahapan studi literatur, pengambilan data dan pengolahan data yang dilakukan di Laboratorium Sistem Informasi dan Manajemen Industri Pertanian, Fakultas Pertanian, Universitas Jenderal Soedirman. Penelitian dilakukan selama 4 bulan dari bulan Oktober 2019 sampai bulan Januari 2020. Tahap pertama penelitian yaitu studi literatur yang dilakukan dengan mewawancarai beberapa narasumber yang ahli dalam bidang kehalalan produk untuk mengetahui keywords yang berkaitan dengan kehalalan produk sebagai keywords pengambilan data di Twitter. Tahap kedua yaitu pengambilan data tweet di twitter berdasarkan keywords yang telah didapatkan pada tahap sebelumnya. Tahap ketiga yaitu pengolahan data tweet tentang kehalalan produk untuk mengalami preproccesing serta dibagi kedalam kelas testing dan training sampai didapatkan hasil klasifikasi sentimen dalam kelas positif, negatif atau netral berdasarkan metode Naive Bayes Classifier. Hasil penelitian menunjukkan bahwa keywords yang didapatkan berkaitan dengan kehalalan produk menunjukan perilaku seseorang dalam menggunakan produk halal yang diklasifikasikan ke dalam kelas besar dan kelas kecil, yaitu product (Cosmetics, Drug, Animal, Inggredient), Food (Meat, Eat, Gelatin, Mirin, Pork), Beverage (Alcohol, Emulfier, Wine), garanted (Label, Halal, Haram, Kosher, procces, Methode, Menu) dan Muslim (People, Community, Restaurant, Slaughter, Society, Store, Style, Education, knowledge, Corner, Trend, Research). Klasifikasi data tweet terhadap kehalalan produk berdasarkan metode Naïve Bayes Classifier menunjukan presentasi sebesar 70% tweet bernilai positif, 14% tweet bernilai negatif dan 16% tweet bernilai netral. Hasil perbandingan kamus sistem (QDAP) dengan kamus peneliti menunjukan angka kesesuaian sebesar 53% mampu mewakili penilaian sentimen sesuai dengan topik kehalalan produk tanpa harus membuat kamus sendiri.

Actions (login required)

View Item