PERPUSTAKAAN UNTIDAR Repositori Mahasiswa Untidar

Beranda Katalog Koleksi Konten Lokal Tugas Akhir Mahasiswa (Skripsi, Laporan Akhir, LKP) Lantai 2

  • Beranda
  • Informasi
  • Berita
  • Bantuan
  • Pustakawan
  • Area Anggota
  • Pilih Bahasa :
    Bahasa Arab Bahasa Bengal Bahasa Brazil Portugis Bahasa Inggris Bahasa Spanyol Bahasa Jerman Bahasa Indonesia Bahasa Jepang Bahasa Melayu Bahasa Persia Bahasa Rusia Bahasa Thailand Bahasa Turki Bahasa Urdu

Pencarian berdasarkan :

SEMUA Pengarang Subjek ISBN/ISSN Pencarian Spesifik

Pencarian terakhir:

{{tmpObj[k].text}}
No image available for this title
Penanda Bagikan

Text

SKRIPSI ANALISIS SENTIMEN PADA MEDIA SOSIAL X MENGGUNAKAN ALGORITMA NAÏVE BAYES DENGAN KOMBINASI FITUR HYBRID TF-IDF DAN WORD EMBEDDING

RIFQI LUTHFAN HARIS - Nama Orang;

Karakteristik data pada media sosial X yang tidak terstruktur dan informal menjadi
tantangan utama dalam analisis sentimen. Fenomena penggunaan tagar
#KaburAjaDulu di media sosial X mencerminkan dinamika opini publik terhadap
kondisi sosial, ekonomi, dan kebijakan di Indonesia, yang memunculkan beragam
opini publik. Analisis sentimen terhadap unggahan dengan tagar tersebut menjadi
penting untuk memahami kecenderungan opini masyarakat secara komprehensif
dan berbasis data. Penelitian ini bertujuan mengevaluasi performa algoritma Naïve
Bayes dengan mengusulkan pendekatan fitur Hybrid (gabungan TF-IDF dan
Word2Vec) pada studi kasus tagar #kaburajadulu. Data penelitian sebanyak 13.587
unggahan diproses melalui tahapan preprocessing sistematis yang meliputi case
folding, cleaning, serta normalisasi 15.000 kata slang. Reduksi morfologi dilakukan
melalui tokenization dan stemming Sastrawi untuk penyesuaian dengan kamus Inset
lexicon pada tahap pelabelan otomatis. Hybrid sampling SMOTE-Tomek Links
diterapkan untuk mengatasi dominasi kelas negatif (82,2%) pada data latih guna
mempertajam batas keputusan antar kelas. Hasil pengujian pada pembagian data
80:20 menunjukkan bahwa skenario TF-IDF dengan Multinomial Naïve Bayes
mencapai performa terbaik dengan akurasi 77%. Sebaliknya, fitur Hybrid
memberikan akurasi terendah sebesar 70% karena dimensi fitur yang tinggi justru
menimbulkan noise (curse of dimensionality). Penelitian ini menyimpulkan bahwa
representasi statistik TF-IDF lebih efektif dan stabil dibandingkan fitur semantik
maupun Hybrid untuk klasifikasi sentimen pada data dengan karakteristik linguistik
spesifik seperti tagar #kaburajadulu.


Ketersediaan
#
Ruang Skripsi ELEKTRO HAR A 2026
13-UN57.U1-STE-II-2026
Tersedia
Informasi Detail
Judul Seri
-
No. Panggil
ELEKTRO HAR A 2026
Penerbit
MAGELANG : UNIVERSITAS TIDAR., 2026
Deskripsi Fisik
XIV;84 HLM;29 CM
Bahasa
Indonesia
ISBN/ISSN
-
Klasifikasi
621.38
Tipe Isi
-
Tipe Media
-
Tipe Pembawa
-
Edisi
-
Subjek
PRODI_S1_TEKNIK_ELEKTRO
FAKULTAS_FT
Info Detail Spesifik
-
Pernyataan Tanggungjawab
-
Versi lain/terkait

Tidak tersedia versi lain

Lampiran Berkas
  • FULL TEXT
Komentar

Anda harus masuk sebelum memberikan komentar

PERPUSTAKAAN UNTIDAR Repositori Mahasiswa Untidar
  • Informasi
  • Layanan
  • Pustakawan
  • Area Anggota

Tentang Kami

As a complete Library Management System, SLiMS (Senayan Library Management System) has many features that will help libraries and librarians to do their job easily and quickly. Follow this link to show some features provided by SLiMS.

Cari

masukkan satu atau lebih kata kunci dari judul, pengarang, atau subjek

Donasi untuk SLiMS Kontribusi untuk SLiMS?

© 2026 — Senayan Developer Community

Ditenagai oleh SLiMS
Pilih subjek yang menarik bagi Anda
  • Karya Umum
  • Filsafat
  • Agama
  • Ilmu-ilmu Sosial
  • Bahasa
  • Ilmu-ilmu Murni
  • Ilmu-ilmu Terapan
  • Kesenian, Hiburan, dan Olahraga
  • Kesusastraan
  • Geografi dan Sejarah
Icons made by Freepik from www.flaticon.com
Pencarian Spesifik
Kemana ingin Anda bagikan?