Analisis Sentimen Vaksin Booster Covid-19 Menggunakan Algoritma Naive Bayes Pada Media Sosial Twitter

Tio, Hanaz and Sutedi, Sutedi (2024) Analisis Sentimen Vaksin Booster Covid-19 Menggunakan Algoritma Naive Bayes Pada Media Sosial Twitter. Skripsi thesis, Institut Informatika dan Bisnis Darmajaya.

	Text COVER.pdf Download (3MB)
	Image Pernyataan.jpg Download (127kB)
	Image halaman pengesahan.jpg Download (302kB)
	Text ABSTRAK.pdf Download (3MB)
	Text ABSTRAK.pdf Download (3MB)
	Text DAFTAR ISI.pdf Download (3MB)
	Text BAB I.pdf Download (3MB)
	Text BAB II (1).pdf Download (3MB)
	Text BAB III (1).pdf Download (3MB)
	Text BAB IV (1).pdf Download (3MB)
	Text BAB V.pdf Download (3MB)
	Text DAFTAR PUSTAKA (1).pdf Download (3MB)
	Text LAMPIRAN (1).pdf Download (3MB)

Abstract

ABSTRAK Analisis Sentimen Vaksin Booster Covid-19 Menggunakan Algoritma Naive Bayes Pada Media Sosial Twitter Online Oleh HANAZTIO SALSABIL HUD Hanaztio21@gmail.com Pandemi COVID-19, yang pertama kali muncul di Wuhan, Tiongkok pada akhir 2019, telah mengubah secara drastis tatanan kesehatan global, memicu krisis kesehatan, dan menuntut berbagai upaya pencegahan. Di Indonesia, vaksinasi massal menjadi salah satu langkah utama dalam menanggulangi penyebaran virus ini, dengan tahap ketiga atau booster yang tengah dilaksanakan bertujuan untuk meningkatkan kekebalan dan sistem imun masyarakat Penelitian terdahulu yang relevan menunjukkan penerapan Naïve Bayes dalam berbagai kasus dalam menganalisis sentimen pembelajaran daring selama pandemi COVID-19 menggunakan Naïve Bayes dan menemukan mayoritas sentimen negatif. Penelitian ini menggunakan metode yakni crawling data dari Twitter untuk mengumpulkan tweet tentang vaksin booster, yang kemudian dianalisis menggunakan algoritma Naïve Bayes. Hasilnya menunjukan bahwa proses pengambilan data dimulai dengan otorisasi akun Twitter untuk mendapatkan access token, yang kemudian digunakan untuk menghubungkan Rapid Miner dengan Twitter API. Setelah koneksi berhasil diuji, data dikumpulkan melalui proses crawling menggunakan operator search Twitter di Rapid Miner. Hasil crawling berupa 10.000 data mentah disimpan dalam format .csv untuk keperluan analisis lebih lanjut. Tahap ini menunjukkan pentingnya koneksi yang stabil dan metode crawling yang efektif untuk mendapatkan data yang relevan, yang akan menjadi dasar dalam analisis sentimen selanjutnya. Hasil data ini akan diproses melalui berbagai tahap preprocessing untuk memastikan kualitas dan kesesuaian data sebelum analisis lebih lanjut menggunakan algoritma Naive Bayes. Kata Kunci: Vaksinasi booster COVID-19, Naïve Bayes, Crawling data Twitter

Item Type:	Thesis (Skripsi)
Subjects:	Ilmu Komputer eSkripsi
Divisions:	Skripsi/TA & PKPM/KP - Fakultas Ilmu Komputer > Sistem Informasi
Depositing User:	Hanaz Tio Salsabil
Date Deposited:	02 Sep 2024 08:16
Last Modified:	02 Sep 2024 08:16
URI:	http://repo.darmajaya.ac.id/id/eprint/17168

Actions (login required)

View Item