KOMPARASI ALGORITMA DALAM ANALISIS SENTIMEN MEDIA SOSIAL TERKAIT APPLE TAX HOLIDAY 50 TAHUN BERBASIS MACHINE LEARNING

ERIK KURNIAWAN (2025) KOMPARASI ALGORITMA DALAM ANALISIS SENTIMEN MEDIA SOSIAL TERKAIT APPLE TAX HOLIDAY 50 TAHUN BERBASIS MACHINE LEARNING. Skripsi thesis, Universitas Bina Insan Lubuklinggau.

Text RAMA_55201_2102020106.pdf Download (18MB)

Abstract

Media sosial Instagram menjadi salah satu platform yang sering digunakan untuk menyampaikan opini dan diskusi mengenai berbagai topik, termasuk isu "Apple tax holiday" yang menjadi perbincangan publik. Penelitian ini bertujuan untuk menganalisis sentimen terhadap isu tersebut dengan menggunakan algoritma Naive Bayes dan Random Forest. Data dikumpulkan menggunakan ekstensi Instant Data Scraper pada browser Google Chrome dari komentar pada dua akun publik, yaitu @martapurapedia dan @pembasmi.kehaluan.reall, dengan total 3.791 komentar. Proses preprocessing dilakukan untuk menghapus noise seperti komentar spam guna memastikan kualitas data.Pengujian dilakukan dengan membagi dataset menjadi data training dan testing, serta menggunakan random oversampling untuk mengatasi ketidakseimbangan data. Naive Bayes menunjukkan akurasi 92.79% pada data training dan 88.07% pada data testing, sementara Random Forest memiliki akurasi 89.05% pada data training dan 87.03% pada data testing. Hasil menunjukkan bahwa Naive Bayes unggul dalam generalisasi data, sedangkan Random Forest lebih stabil dalam menangani kelas netral. Penelitian ini menunjukkan bahwa Naive Bayes lebih sesuai untuk analisis kebijakan ini karena kemampuannya dalam menangkap pola sentimen secara keseluruhan, yang penting untuk memahami opini masyarakat terhadap kebijakan. Kata Kunci: Analisis Sentimen, Naive Bayes, Random Forest, Instagram, Apple Tax Holiday

Item Type:	Thesis (Skripsi)
Subjects:	T Technology > T Technology (General)
Divisions:	Fakultas Komputer > Program Studi Informatika
Depositing User:	Admin Perpus UnivBI
Date Deposited:	06 Feb 2026 04:33
Last Modified:	06 Feb 2026 04:33
URI:	http://eprints.univbinainsan.ac.id/id/eprint/478

Actions (login required)

View Item