Record Detail
Advanced Search
Text
Sentimen Analisis Kegiatan Trading Pada Aplikasi Twitter dengan Algoritma SVM, KNN Dan Random Forrest
Penelitian ini bertujuan untuk dapat mengetahui bagaimana komentar masyarakat terhadap kegiatan trading yang sedang ramai. Seperti yang kita ketahui akhir akhir ini terdapat kasus mengenai trading yang melibatkan affliator, banyak masyarakat yang merasa tertipu dengan kegiatan tersebut. Dari kasus tersebut kami melakukan penelitian dengan metode pengumpulan data mengenai trading, yang di ambil dari platfrom media sosial twitter menggunakan applikasi orange. Data yang di peroleh memlalui proses scraping kemudian akan dilakukan proses filter untuk memisahkan sentimen positif dan setimen negatif, sehingga data yang siap dianalisis sentimen sebanyak 1400 tweets. Data dianalisis menggunakan tiga metode yaitu Random Forest, KNN, dan SVM (Support Vector Machines). Hasil yang didapatkan dari penelitian yang dilakukan yang memiliki 3 variabel yaitu sentimen positif memiliki nilai sebesar 29%, negatif sebesar 10%, dan netral memiliki nilai 62% , Untuk menganalisis sentimen data dari Twitter penulis menggunakan 3 metode klasifikasi dan menghasilkan nilai akurasi KnN sebesar 0,999, Random forest 0,994 dan Naïve SVM 0,992. Berdasarkan hasil analisis yang telah dilakukan tentang kegiatan trading, masyarakat beranggapan bahwa tidak semua trading itu ilegal dan penipuan karna banyak sekali situs yang masih legal.
Availability
No copy data
Detail Information
Series Title |
-
|
---|---|
Call Number |
-
|
Publisher | Jurnal Sains Komputer & Informatika (J-SAKTI) : Indonesia., 2022 |
Collation |
006.3
|
Language |
Indonesia
|
ISBN/ISSN |
2548-9771
|
Classification |
NONE
|
Content Type |
-
|
Media Type |
-
|
---|---|
Carrier Type |
-
|
Edition |
-
|
Subject(s) | |
Specific Detail Info |
-
|
Statement of Responsibility |
-
|
Other Information
Accreditation |
-
|
---|
Other version/related
No other version available
File Attachment
Information
Web Online Public Access Catalog - Use the search options to find documents quickly