Record Detail

Advanced Search

Text

PERBANDINGAN KINERJA ALGORITMA SUPPORT VECTOR MACHINE DAN K-NEAREST NEIGHBOR TERHADAP ANALISIS SENTIMEN KEBIJAKAN NEW NORMAL

Didin Muhidin - Personal Name
Arief Wibowo - Personal Name

Twitter merupakan salah satu situs microblogging populer di kalangan pengguna internet sehingga
banyak masyarakat menggunakan twitter untuk menyampaikan sentimen positif dan negatifnya
terhadap kebijakan new normal. Masa pandemi memunculkan banyak sentimen masyarakat terhadap
kebijakan adapatasi kebiasaan baru atau new normal. Penelitian ini bertujuan untuk mengklasifikasi
twit sentimen ke dalam kelas positif dan negatif. Algoritma klasifikasi yang digunakan adalah k-NN
dan SVM. Hasil pengujian menunjukan bahwa algoritma k-NN lebih baik dibandingkan SVM dalam
menyelesaikan kasus sentimen ini dengan menghasilkan akurasi sebesar 72,96%.

Availability

No copy data

Detail Information

Series Title	-
Call Number	-
Publisher	STRING (Satuan Tulisan Riset dan Inovasi Teknologi) : Indonesia., 2020
Collation	012
Language	Indonesia
ISBN/ISSN	2527–9661
Classification	NONE
Content Type	-

Media Type	-
Carrier Type	-
Edition	-
Subject(s)	SVM SINTA 4 Teks Mining K-NN New Normal Analisis Sentimen .
Specific Detail Info	-
Statement of Responsibility	-

Other Information

Accreditation	-

Other version/related

No other version available

File Attachment

PERBANDINGAN KINERJA ALGORITMA SUPPORT VECTOR MACHINE DAN K-NEAREST NEIGHBOR TERHADAP ANALISIS SENTIMEN KEBIJAKAN NEW NORMAL

Information

Web Online Public Access Catalog - Use the search options to find documents quickly