DSpace logo

Please use this identifier to cite or link to this item: https://repository.uksw.edu/handle/123456789/17943
Title: Analisis Sentimen Tentang Opini Pemilu Presiden 2019 pada Media Sosial Twitter Menggunakan Metode Support Vector Machine Analysis
Authors: Kaitelapatay, Big Greogory
Keywords: analisis sentimen;media sosial;twitter;Pemilu 2019;Support Vector Machine
Issue Date: 2019
Publisher: Magister Sistem Informasi Program Pascasarjana FTI-UKSW
Abstract: Pemilu 2019 akan segera dilaksanakan. Oleh karena itu, banyak cara yang digunakan pihak peserta untuk melakukan strategi kampanye, salah satunya melalui media sosial. Dalam penelitian ini akan dilakukan analisis sentimen masyarakat terhadap calon presiden dan wakil presiden Indonesia 2019 yang diungkapkan melalui jejaring sosial Twitter. Ada beberapa tahap untuk melakukan analisis sentimen, diantaranya adalah tahap pengumpulan data, preprocesing data, POS Tagging, ekstrasi opini menggunakan rule based dan klasifikasi opini menggunakan metode Support Vector Machine. Tujuan dari penelitian ini adalah untuk mengetahui bagaimana sentimen masyarakat di media sosial terhadap capres dan cawapres Pemilu 2019.
The 2019’s Election will be held. So, there’s a lot of ways which is used to do the campaign strategies by presidential candidates. One of the ways is through the Social Media. In this research, will find the Sentiment Analysis from the netizens towards of president and vice president candidate 2019 which is disclosed from social networking twitter. There’s a couple ways to do the Sentiment Analysis, among others are, data preprocessing, POS Tagging, opinion extraction using based rule and opinion classification using Support Vector Mahine’s method. The Purpose of this research is to gain the information about the public’s sentiment about the president and vice president candidate in 2019’s election.
Description: Tidak diijinkan karya tersebut diunggah ke dalam aplikasi Repositori Perpustakaan Universitas karena telah dipublikasi di Prosiding Semnas GEOTIK 2019. ISSN: 2580-8796.
URI: http://repository.uksw.edu/handle/123456789/17943
Appears in Collections:T2 - Master of Information Systems

Files in This Item:
File Description SizeFormat 
T2_972015704_Abstract.pdfAbstract140.91 kBAdobe PDFView/Open
T2_972015704_Full text.pdf
  Restricted Access
Full text2.51 MBAdobe PDFView/Open Request a copy


Items in DSpace are protected by copyright, with all rights reserved, unless otherwise indicated.