ANALISIS SENTIMEN MASYARAKAT TERHADAP TEMPAT WISATA DI INDONESIA MENGGUNAKAN METODE
SUPPORT VECTOR MACHINE (SVM)
SKRIPSI
OLEH:
ALISA CHAIRUNNISA 1855201079
TEKNIK INFORMATIKA FAKULTAS ILMU KOMPUTER UNIVERSITAS LANCANG KUNING
PEKANBARU 2022
ii HALAMAN PERSETUJUAN
Nama : Alisa Chairunnisa
NIM : 1855201079
Program Studi : Teknik Informatika
Judul : Analisis Sentimen Masyarakat Terhadap Tempat Wisata di Indonesia Menggunakan Metode Support Vector Machine (SVM).
Pekanbaru, 30 Juni 2022 Disetujui oleh,
Pembimbing
Pandu Pratama Putra, M.Kom., MTA., MCF NIDN. 1003069101
Mengetahui,
Dekan
Fakultas Ilmu Komputer
Dr. H. Fajrizal, S.P., M.Kom., MTA., MCF NIDN. 1024076201
Ketua Program Studi Teknik Informatika
Dr. Yogi Yunefri, M.Kom., MTA., MCE NIDN. 1022068803
iii HALAMAN PENGESAHAN
Nama : Alisa Chairunnisa
NIM : 1855201079
Program Studi : Teknik Informatika
Judul : Analisis Sentimen Masyarakat Terhadap Tempat Wisata di Indonesia Menggunakan Metode Support Vector Machine (SVM).
Skripsi ini telah dipertahankan di hadapan Tim Dewan Penguji Pada Tanggal 30 Juli 2022 sebagai persyaratan untuk mendapatkan gelar Sarjana Komputer
(S.Kom)
Susunan Tim Dewan Penguji,
Penguji I Penguji II
Lucky Lhaura Van FC, M.Kom., MTA Ahmad Zamsuri, M.Kom, MTA., MCF
NIDN. 1016049001 NIDN. 1007078602
Mengetahui,
Dekan Ketua Program Studi
Dr. H. Fajrizal, S.P, M.Kom., MTA., MCF Dr. Yogi Yunefri, M.Kom., MTA., MCE
NIDN. 1024076201 NIDN. 1022068803
Ketua
Pandu Pratama Putra, M.Kom, MTA., MCF NIDN. 1003069101
iv PERNYATAAN KEASLIAN KARYA ILMIAH
Dengan ini sata menyatakan bahwa dalam Tugas Akhir ini tidak terdapat karya yang pernah diajukan untuk memperoleh gelar kesarjanaan disuatu Perguruan tinggi, dan sepanjang pengetahuan saya juga tidak terdapat Karya/Pendapat yang pernah ditulis oleh orang lain, kecuali yang secara tertulis diacu dalam naskah ini dan disebutkan dalam Daftar Pustaka.
Apabila ditemukan suatu Jiplakan/Plagiat maka saya bersedia menerima akibat berupa sanksi Akademis dan sanksi lain yang diberikan oleh yang berwenang sesuai ketentuan peraturan dan perundang-undangan yang berlaku.
Pekanbaru,30 juni 2022 Yang membuat Pernyataan
Nama : Alisa Chairunnisa NIM : 1855201079
v HALAMAN PERSEMBAHAN
Puji dan syukur diucapkan kepada Tuhan Yang Maha Kuasa yang telah melimpahkan rahmat dan karunia-Nya kepada penulis selama mengerjakan skripsi ini, sehingga dapat diselesaikan dengan baik.
Kepada keluarga tercinta untuk Orang tua yaitu Ayah dan Mama, dan juga adik dan abang saya yang selalu memberikan dukungan baik secara materi, doa, motivasi, waktu, nasihat, kasih sayang dan semangat kepada penulis sehingga dapat menyelesaikan skripsi ini dengan baik.
Teman-teman dan sahabat tersayang penulis ucapkan terimakasih atas dukungan, motivasi dan semangat kalian dalam menyelesaikan penyusunan skripsi ini. Tanpa kalian aku gabisa apa apa, terimakasih yaa Allah.
vi KATA PENGANTAR
Puji syukur penulis ucapkan kepada Tuhan Yang Maha Kuasa yang telah melimpahkan rahmat dan karunia-Nya kepada penulis, sehingga dapat menyelesaikan Skripsi yang berjudul “Analisis Sentimen Masyarakat Terhadap Tempat Wisata di Indonesia Menggunakan Metode Support Vector Machine (SVM)” ini dapat terselesaikan.
Penyusunan Skripsi Merupakan salah satu syarat untuk menyelesaikan mata kuliah Skripsi. Dengan Skripsi ini diharapkan bisa membantu mahasiswa untuk menambah wawasan dan menerapkan ilmu–ilmu yang selama ini telah diperoleh di bangku kuliah serta dapat memberikan masukan yang berguna bagi kita.
Penulis menyadari bahwa masih banyak kekurangan dan kekeliruan dalam penulisan laporan ini. Untuk itu penulis mengharapkan kritik dan saran yang bersifat membangun. Akhir kata penulis mengucapkan terimakasih atas dukungan, semangat serta bimbingan dari berbagai pihak. Penulis ingin mengucapkan terimakasih kepada :
1. Bapak Dr. H. Fajrizal, S.P., M.Kom, MTA., MCF. sebagai Dekan Fakultas Ilmu Komputer Universitas Lancang Kuning.
2. Bapak Ahmad Zamsuri, M.Kom, MTA., MCF sebagai Wakil Dekan I Fakultas Ilmu Komputer Universitas Lancang Kuning.
3. Ibu Lucky Lhaura Van FC, M.Kom., MTA sebagai Wakil Dekan II Fakultas
vii Ilmu Komputer Universitas Lancang Kuning
4. Bapak Muhammad Sadar, S.E., M.Kom. sebagai Wakil Dekan III Fakultas Ilmu Komputer Universitas Lancang Kuning.
5. Bapak Dr.Yogi Yunefri, M.Kom. MTA., MCE selaku Ketua Program Studi Teknik Informatika Universitas Lancang Kuning.
6. Bapak Pandu Pratama Putra, M.Kom, MTA., MCF selaku Pembimbing Skripsi. Bimbingan dan arahan ilmu, saran, semangat, nasehat dan kesabaran yang telah diberikan.
7. Bapak/Ibu Dosen Fakultas Ilmu Komputer Universitas Lancang Kuning yang telah memberi ilmu dan pengetahuan selama ini.
8. Orang tua dan keluarga penulis yang selalu memberikan dukungan, doa, dan harapan, sehingga penulis dapat menyelesaikan Skripsi dengan baik.
9. Teman-teman seperjuangan, yang telah memberikan semangat yang membuat penulis sangat bersemangat dan memberikan motivasi yang sangat berharga.
Demikian skripsi ini saya susun. Semoga dapat bermanfaat bagi siapapun yang membacanya, Akhir kata penulis mengucapkan banyak terima kasih.
Pekanbaru,30 Juni 2022
Alisa Chairunnisa
viii ANALISIS SENTIMEN MASYARAKAT TERHADAP TEMPAT PARIWISATA DI INDONESIA MENGGUNAKAN METODE SUPPORT
VECTOR MACHINE (SVM)
Alisa Chairunnisa1, Pandu Pratama Putra2 Teknik Informatika, Fakultas Ilmu Komputer, Universitas Lancang Kuning
Jalan Yos Sudarso KM. 8 Rumbai Pekanbaru [email protected], [email protected]
ABSTRAK
Pariwisata sebagai tempat atau berbagai macam hal yang berhubungan dengan kegiatan wisata yang didukung berbagai sarana dan fasilitas atau layanan/jasa yang disediakan oleh pihak-pihak seperti masyarakat, pengusaha, pemerintah dan pemerintah daerah. Para wisatawan biasanya melakukan pencarian seperti ulasan destinasi wisata secara online sebelum melakukan perjalanan wisata. Media sosial sangat berperan penting untuk pemilihan destinasi wisata. Twitter memiliki 19,5 juta pengguna di Indonesia. Banyaknya masyarakat yang menggunakan Twitter tidak memandang usia, Media sosial Twitter adalah salah satu media sosial yang memungkinkan orang utnuk saling membaca tweet yang dibagikan karena oramg lebih suka mengeskpresikan pendapat mereka melalui media sosial dari pada secara langsung. Karena itu adanya analisis untuk memahami pendapat masyarakat terhadap pariwisata. Proses klasifikasi menggunakan metode Support Vector Machine (SVM) dengan melakukan ekstraksi yang memanfaakan twitter API dan melakukan preprocessing agar mendapat nilai akurasi yang lebih tepat, agar dapat diketahui pendapat masyarakat
tentang wisata di Indonesia dengan nilai akurasi sebesar 82,35%.
Kata kunci: Pariwisata, Twitter, Analisis Sentimen, Support Vector Machine.
ix ANALYSIS OF COMMUNITY SENTIMENT ON TOURISM PLACE IN INDONESIA USING THE SUPPORT VECTOR MACHINE (SVM) METHOD
Alisa Chairunnisa1, Pandu Pratama Putra2 Teknik Informatika, Fakultas Ilmu Komputer, Universitas Lancang Kuning
Jalan Yos Sudarso KM. 8 Rumbai Pekanbaru [email protected], [email protected]
ABSTRACT
Tourism is a place or various things related to tourism activities that are supported by various facilities and facilities or services provided by parties such as the community, businessmen, government and local governments. Tourists usually conduct searches such as reviews of tourist destinations online before traveling. Social media plays an important role in the selection of tourist destinations. Twitter has 19.5 million users in Indonesia. The number of people who use Twitter regardless of age, social media Twitter is a social media that allows people to read each other's tweets because people prefer to express their opinions through social media rather than directly. Therefore there is an analysis to understand public opinion on tourism. The classification process uses the Support Vector Machine (SVM) method by extracting using the twitter API and doing preprocessing in order to get a more precise accuracy value, so that people's opinions about tourism in Indonesia can be known with an accuracy value of
82.35%.
Kata kunci: tourist, Twitter, sentiment analysis, Support Vector Machine.
x DAFTAR ISI
HALAMAN PERSETUJUAN ... ii
HALAMAN PENGESAHAN ... iii
PERNYATAAN KEASLIAN KARYA ILMIAH ... iv
HALAMAN PERSEMBAHAN ... v
KATA PENGANTAR ... vi
ABSTRAK ... viii
ABSTRACT………... ix
DAFTAR ISI ... x
DAFTAR TABEL ... xii
DAFTAR GAMBAR ... xiii
DAFTAR LAMPIRAN ... xiv
BAB I PENDAHULUAN ... 1
A. Latar Belakang ... 1
B. Rumusan Masalah ... 3
C. Batasan Masalah ... 3
D. Tujuan Penelitian... 4
E. Manfaat Penelitian... 4
F. Sistematika Penulisan ... 5
BAB II TINJAUAN PUSTAKA ... 7
A. Tinjauan Penelitian Terdahulu ... 7
B. Teori Dasar Yang Digunakan ... 11
BAB III METODOLOGI PENELITIAN ... 23
A. Tahapan-Tahapan Penelitian ... 23
B. Lokasi an Waktu Penelitian... 29
C. Data Yang Digunakan ... 29
D. Teknik Pengumpulan Data ... 29
E. Metode Yang Digunakan ... 30
BAB IV GAMBARAN UMUM OBJEK PENELITIAN ... 34
A. Sejarah Twitter ... 34
B. Struktur Organisasi ... 35
xi
C. Visi Dan Misi ... 36
D. Budaya Kerja ... 36
E. Logo ... 37
BAB V HASIL DAN PEMBAHASAN ... 38
A. Mengambil Data Dari Twitter (Crawling) ... 38
B. Seleksi Dan Pelabelan ... 39
C. Penghapusan Data Netral ... 40
D. Preprocessing ... 40
E. Pembobotan Kata TF-IDF ... 44
F. Klasifikasi Data ... 44
G. Validasi... 45
H. Evaluasi Sistem ... 46
I. Visualisasi Hasil Analisis ... 48
BAB VI KESIMPULAN DAN SARAN... 53
A. Kesimpulan... 53
B. Saran ... 53
DAFTAR PUSTAKA ... 54
LAMPIRAN………..57
xii DAFTAR TABEL
Tabel 2. 1 Menurut Ahli Bahasa ... 10
Tabel 2. 2 Counfusion Matrix ... 22
Tabel 3. 1 Perbandingan Algoritma ... 32
Tabel 5. 1 Kata-kata Kategori Positif dan Negatif ... 42
Tabel 5. 2 Perbedaan Sebelum dan Sesudah Cleansing ... 44
Tabel 5. 3 Perbedaan Sebelum dan Sesudah Transform Cases ... 44
Tabel 5. 4 Perbedaan Sebelum dan Sesudah Tokenisasi ... 46
Tabel 5. 5 Hasil Confusion Matrix SVM ... 49
xiii DAFTAR GAMBAR
Gambar 2. 1 Aliran informasi dalam data mining. ... 12
Gambar 3. 1 Tahapan Penelitian... 25
Gambar 3. 2 Klasifikasi linier SVM (Nomleni, 2015) ... 33
Gambar 4. 1 Struktur Organisasi Twitter... 37
Gambar 4. 2 Tranformasi Logo twitter ... 39
Gambar 5. 1 Proses Crawling Data ... 40
Gambar 5. 2 Contoh Data Twitter API ... 41
Gambar 5. 3 Perbedaan Sebelum dan Sesudah Cleansing ... 43
Gambar 5. 4 Sub-process Case Folding ... 44
Gambar 5. 5 Sub-process Filter Stopwords ... 45
Gambar 5. 6 Sub-process Tokenisasi ... 46
Gambar 5. 7 Proses Pemodelan Sistem Klasifikasi ... 47
Gambar 5. 8 Proses Cross Validation SVM ... 48
Gambar 5. 9 Wordcloud Sentimen Positive ... 50
Gambar 5. 10 Wordcloud Sentimen Negatif ... 51
Gambar 5. 11 Diagram Pie Hasil Analisis Sentimen ... 52
xiv DAFTAR LAMPIRAN
Lampiran 1 Hasil Crawling Data ... 55 Lampiran 2 Data sebelum Cleansing ... 56 Lampiran 3 Data setelah Cleansing ... 61
1 BAB I
PENDAHULUAN
A. Latar Belakang
Teknologi informasi sangat mempengaruhi segala aktifitas di zaman era globalisasi saat ini, dengan teknologi sekarang tidak menjadi hambatan bagi siapapun untuk berkomunikasi walau dengan jarak jauh sekalipun.
Pemanfaatan akun media sosial oleh pengguna digunakan sebagai untuk mengungkapkan perasaan atau pendapat yang baik ataupun buruk terhadap suatu topik yang dibicarakan atau yang sedang viral dalam media sosial.
Dengan demikian, pendapat, sikap emosi seseorang yang dituliskan dalam bahasa yang tertulis tersebut merupakan defenisi sentimen.
Pariwisata adalah bidang yang banyak diperbincangkan banyak orang.
Undang-undang tentang kepariwisataan mendefinisikan pariwisata sebagai berbagai macam hal yang berhubungan dengan kegiatan wisata yang didukung berbagai sarana dan fasilitas atau layanan/jasa yang disediakan oleh pihak- pihak seperti masyarakat, pengusaha, pemerintah dan pemerintah daerah.
Keberadaan potensi wisata yang menarik dapat dikembangkan menjadi pariwisata yang baik.
Para wisatawan biasanya melakukan pencarian seperti ulasan destinasi wisata secara online sebelum melakukan perjalanan wisata. Media sosial sangat berperan penting untuk pemilihan destinasi wisata. Pada sector wisata dalam pengambilan keputusan dari media sosial mengalami peningkatan yang tinggi dan berpotensi besar sebagai sarana promosi dengan memamerkan foto yang menarik dan unik, seperti foto atraksi wisatawan (Rosanensi et al., 2018;
Windasari & Eridani, 2017).
Dalam bukunya A.J. Burkart dan S. Medlik yang berjudul “Tourism, Past, Present, and Future”. Berbunyi bahwa pariwisata adalah perpindahan orang untuk sementara dan dalam jangka waktu pendek ke tujuan-tujuan diluar
2 tempat dimana mereka biasanya hidup dan berkerja, dan kegiatan-kegiatan mereka selama tinggal ditempat tujuan itu.
Salah satu media sosial yang banyak digunakan masyarakat Indonesia adalah Twitter. Berdasarkan data dari PT Bakrie Telecom, Twitter memiliki 19,5 juta pengguna di Indonesia. Banyaknya masyarakat yang menggunakan Twitter tidak memandang usia, baik muda maupun tua. Kelebihan Twitter dari pada media sosial lain adalah informasi yang disampaikan lebih singkat dan mudah dipahami serta setiap informasi yang disampaikan terdapat link yang singkat yang menjadi referensi dari postingan status tersebut dan update informasinya secara timeline. Pada Twitter ini pula banyak masyarakat yang berbagi cerita tentang isu-isu terkini dan berinteraksi dengan pengguna lainnya dalam menyampaikan opininya. Indonesia menempati urutan kelima dari USA, Brazil, Jepang dan Inggris sebagai salah satu pengguna Twitter terbanyak di dunia (www.kominfo.go.id).
Dikarenakan banyaknya informasi yang beredar di internet dalam jumlah besar menyulitkan kita untuk melakukan penyaringan informasi yang dibutuhkan dan menghabiskan waktu yang cukup lama untuk dapat membaca seluruh ulasan-ulasan yang tersedia, tetapi jika informasi ulasan yang dibaca sedikit dapat menimbulkan keraguan. Terdapat suatu lembaga penelitian yang berkembang dari sangat banyaknya informasi yang beredar di internet yang biasanya disebut analysis sentiment (Rosanensi et al., 2018). Tujuan dari analisa sentimen adalah bagaimana komputer dapat mengenali tingkat emosional positif maupun negative dari dokumen teks (Himawan, Kaswidjanti,
& Putri, 2018).
Metode yang digunakan dalam penelitian ini adalah metode Support Vector Machine dengan tools RapidMiner untuk mengklasifikasi sentimen positif, dan negatif, yang data nya bersumber dari data tweets yang diambil menggunakan Twitter API (Application Programming Interface) terhadap tempat wisata di Indonesia serta nilai akurasi dari implementasi algoritma Support Vector Machine.
3 Berdasarkan permasalahan dan latar belakang diatas maka penulis melakukan penelitian yang berjudul “Analisis Sentimen Masyarakat Terhadap Tempat Wisata di Indonesia Menggunakan Metode Support Vector Machine (SVM)” yang dilakukan dengan melakukan ekstraksi yang memanfaakan twitter API dan melakukan preprocessing agar mendapat nilai akurasi yang lebih tepat, agar dapat diketahui pendapat masyarakat tentang wisata di Indonesia.
B. Rumusan Masalah
Dari penjelasan pada latar belakang, rumusan masalah pada penelitian ini ialah:
1. Bagaimana menganalisis sentimen wisatawan terhadap tempat wisata yang ada di Indonesia menggunakan algoritma Support Vector Machine (SVM)?
2. Bagaimana akurasi Support Vector Machine (SVM) dalam menilai presepsi wisatawan terhadap tempat pariwisata yang ada di Indonesia.
3. Bagaimana Support Vector Machine (SVM) dapat menyelesaikan masalah pengolahan data?
C. Batasan Masalah
Pada penelitian ini sangat diperlukan batasan masalah,agar sesuai dengan apa yang akan direncanakan, sehingga tujuan dari penelitian ini dapat tercapai.Berikut adalah batasan masalah dalam penelitian ini:
1. Sumber data yang diambil dari Twitter
2. Analisa sentimen opini masyarakat yang hanya mencakup positif dan negatif
3. Data cuitan atau tweets yang diambil menggunakan Bahasa Indonesia 4. Data yang diambil dari tempat wisata Indonesia.
5. Proses ekstraksi menggunakan twitter API
6. Tools yang digunakan dalam penelitian adalah RapidMiner 7. Visualisasi hasil kata terbanyak digunakan dengan wordcloud
4 8. Visualisasi hasil analisis sentiment berupa diagram pie untuk menampilkan
presentase klasifikasi positif dan negatif.
D. Tujuan Penelitian
Berdasarkan latar belakang yang telah dikemukakan, tujuan dari penelitian ini ialah :
1. Untuk mengetahui tanggapan wisatawan yang sudah pergi berwisata yang ada di Indonesia. Apakah memiliki respon positif atau negatif oleh wisatawan berdasarkan salah satu informasi berupa tweet yang ada diunggahan Twitter.
2. Untuk mengetahui popularitas tempat yang dikunjungi oleh wisatawan saat liburan ke tempat wisata yang ada di Indonesia.
3. Untuk mengetahui tingkat Akurasi Support Vector Machine (SVM) dalam menilai presepsi wisatawan terhadap tempat wisata.
E. Manfaat Penelitian
Manfaat yang diperoleh dari penelitian ini adalah:
1. Bagi Penulis
Dapat menambah wawasan dalam menganalisa sentimen khususnya pada kelas positif negatif tempat wisata di Indonesia. Dapat menambah ilmu tentang menganalisa sentimen khususnya Metode Support Vector Machine (SVM). Dan juga mendapatkan pengalaman dan menerapkan ilmu yang penulis dapatkan selama di bangku kuliah kepada orang banyak.
2. Bagi Tempat Penelitian
Hasil penelitian diharapkan dapat membantu tempat wisata jika adanya kekurangan dari hasil analisa sentimen tempat wisata di Indonesia. Dan juga membantu para wisatawan untuk memilih tempat wisata yang nyaman dan fasilitasnya yang mendukung.
5 3. Bagi Pembaca
Memberikan informasi tentang tempat wisata yang ada di Indonesia agar dapat dijadikan referensi atau rekomendasi sebagai tempat liburan yang layak untuk dikunjungi atau tidak dalam mengenai Analisis Sentimen masyarakat terhadap tempat wisata di Indonesia menggunakan metode Support Vector Machine (SVM).
F. Sistematika Penelitian
Demi kejelasan dan agar lebih mudah dipahami, penulis akan memberikan prosedur dan gambaran dalam menulis skripsi, sebagai berikut :
BAB I PENDAHULUAN
Bab ini berisikan tentang latar belakang masalah yang terjadi, perumusan masalah, batasan masalah, tujuan dari penelitian, manfaat penelitian, dan sistematika penulisan.
BAB II TINJAUAN PUSTAKA
Bab ini berisikan tentang tinjauan penelitian terdahulu, dan teori dasar yang digunakan yang berkaitan dengan penelitian.
BAB III METODOLOGI PENELITIAN
Bab ini berisikan metodologi penelitian, lokasi dan waktu penelitian, data yang digunakan. Teknik pengumpulan data serta metode atau pemeodelan yang digunakan.
BAB IV GAMBARAN UMUM OBJEK PENELITIAN
Bab ini membahas mengenai gambaran umum terkait objek penelitian yang sedang diteliti.
BAB V HASIL DAN PEMBAHASAN
Bab ini berisikan mengenai hasil dari penelitian, yang mulai dari paparan apa saja hasil yang diperoleh dari awal hingga akhir penelitian, dilanjutkan pembahasan atas hasil yang diperoleh.
6 BAB VI KESIMPULAN DAN SARAN
Bab ini menjelaskan mengenai kesimpulan dan saran yang akan disampaikan oleh penulis.
DAFTAR PUSTAKA LAMPIRAN
53
BAB VI KESIMPULAN DAN SARAN
A. Kesimpulan
Berdasarkan hasil dari penelitian ini dapat disimpulkan bahwa:
1. Dari data yang sudah diambil (crawling) dari Twitter pada periode bulan Februari-April 2022 didapatkan hasil klasifikasi tertinggi dari metode SVM terdapat pada sentimen positif yang diprediksi benar (TP) sebanyak 27 data dari evaluasi SVM dari pada sentimen negatif.
2. Hasil pengujian akurasi yang di dapat dari analisis sentimen masyarakat terhadap pariwisata di Indonesia dengan menggunakan metode Support Vector Machine (SVM) memperoleh nilai akurasi tertinggi sebesar 82,35%.
3. Berdasarkan hasil penelitian ini membuktikan bahwa analisis sentimen dengan metode Support Vector Machine (SVM) adalah classifier terbaik dalam memberikan klasifikasi yang lebih akurat dan tepat tentang persepsi masyarakat terhadap pariwisata di Indoneisa pada Twitter.
B. Saran
Saran yang penulis berikan dalam penelitian ini yaitu:
1. Pada penelitian selanjutnya dapat dikembangkan dengan menggunakan media sosial yang lain seperti Instagram, Facebook, Youtube dan sumber data dari platform lainnya.
2. Pada penelitian selanjutnya diharapkan menggunakan algoritma lainnya sebagai perbandingan dengan metode yang telah diterapkan.
3. pada penelitian selanjutnya diharapkan bisa menggunakan Bahasa inggris kedepannya.
54
DAFTAR PUSTAKA
Adiyana, I., & Hakim, R. B. (2015). Implementasi Text Mining Pada Mesin Pencarian Twitter Untuk Menganalisis Topik–Topik Terkait “Kpk Dan Jokowi.”
Athoillah, M., Irawan, M. I., & Imah, E. M. (2015). Support Vector Machine untuk Image Retrieval. Prosiding Seminar Nasional Matematika Dan Pendidikan Matematika.
Cahyo, L. B. D. (2018). IMPLEMENTASI METODE SUPPORT VECTOR MACHINE UNTUK MELAKUKAN KLASIFIKASI PADA DATA BIOINFORMATIKA.
EFENDI, Z. (2018). ANALISIS OPINI MASYARAKAT TERHADAP JASA TRANSPORTASI ONLINE MENGGUNAKAN TEXT MINING CLASSIFICATION PADA TWITTER. Universitas Islam Negeri Sultan Syarif Kasim Riau.
Efendi, Z., & Mustakim, M. (2017). Text Mining Classification Sebagai Rekomendasi Dosen Pembimbing Tugas Akhir Program Studi Sistem Informasi. Seminar Nasional Teknologi Informasi Komunikasi Dan Industri, 235–242.
Fayyad, U., Piatetsky-Shapiro, G., & Smyth, P. (1996). From data mining to knowledge discovery in databases. AI Magazine, 17(3), 37.
Firmansyah, A., & Eriswandi, E. (2020). Analisis Sentimen Terhadap Operator Seluler Telkomsel Menggunakan Algoritma Naïve Bayes. Jurnal SIGMA, 10(4), 108–116.
Fiska, R. R. (2017). Penerapan Teknik Data Mining dengan Metode Support Vector Machine (SVM) untuk Memprediksi Siswa yang Berpeluang Drop Out (Studi Kasus di SMKN 1 Sutera). SATIN-Sains Dan Teknologi Informasi, 3(1), 15–
23.
Fitriana, F., Utami, E., & Al Fatta, H. (2021). Analisis Sentimen Opini Terhadap Vaksin Covid-19 pada Media Sosial Twitter Menggunakan Support Vector Machine dan Naive Bayes. Jurnal Komtika (Komputasi Dan Informatika), 5(1), 19–25.
Hartanto, H. (2017). Text Mining dan Sentimen Analisis Twitter pada Gerakan LGBT. Intuisi: Jurnal Psikologi Ilmiah, 9(1), 18–25.
Istia, S. S., & Purnomo, H. D. (2018). Sentiment analysis of law enforcement performance using support vector machine and K-nearest neighbor.
Proceedings - 2018 3rd International Conference on Information Technology, Information Systems and Electrical Engineering, ICITISEE 2
55 Kaparang, S., Kaparang, D. R., & Rantung, V. P. (2021). Analisis Sentimen New Normal Pada Masa Covid-19 Menggunakan Algoritma Naive Bayes Classifier. Jointer-Journal of Informatics Engineering, 2(01), 16–23.
Karimah, P. A. S. (2018). Analisis Kompetitif Sosial Media Menggunakan Naïve Bayes Classifier (NBC) dan Support Vector Machine (SVM): Studi Kasus di Industri Transportasi Umum Taksi. Institut Teknologi Sepuluh Nopember.
Kesuma, H. W. A. (2016). Penerapan Metode TF-IDF dan Cosine Similarity dalam Aplikasi Kitab Undang-Undang Hukum Dagang. Universitas Negeri Semarang.
MAULIZON, O. S. (2018). KLASIFIKASI SENTIMEN MASYARAKAT TERHADAP ROKOK PADA TWITTER MENGGUNAKAN NAÏVE BAYES CLASSIFIER. Universitas Islam Negeri Sultan Syarif Kasim Riau.
Mukherjee, S., Shaw, R., Haldar, N., & Changdar, S. (2015). A survey of data mining applications and techniques. International Journal of Computer Science and Information Technologies, 6(5).
Nomleni, P. (2015). Sentiment Analysis Menggunakan Support Vector Machine (SVM). Institut Teknologi Sepuluh Nopember.
Nugroho, A. S., Witarto, A. B., & Handoko, D. (2003). Support vector machine.
Proceeding Indones. Sci. Meeiting Cent. Japan.
Nurjanah, W. E., Perdana, R. S., & Fauzi, M. A. (2017). Analisis Sentimen Terhadap Tayangan Televisi Berdasarkan Opini Masyarakat pada Media Sosial Twitter menggunakan Metode K-Nearest Neighbor dan Pembobotan Jumlah Retweet. Jurnal Pengembangan Teknologi Informasi Dan Ilmu Komputer E-ISSN, 2548, 964X.
Okfalisa, S. T. (2016). Implementasi Metode Terms Frequency-Inverse Document Frequency (TF-IDF) dan Maximum Marginal Relevance untuk Monitoring Diskusi Online. SITEKIN: Jurnal Sains, Teknologi Dan Industri, 13(2), 151–
159.
Prabowo, D. A., Fhadli, M., Najib, M. A., Fauzi, H. A., & Cholissodin, I. (2016).
TF-IDF-Enhanced Genetic Algorithm Untuk Extractive Automatic Text Summarization. Jurnal Teknologi Informasi Dan Ilmu Komputer, 3(3), 208–
215.
Prasetyo, E. (2014). Data mining mengolah data menjadi informasi menggunakan matlab.
Putri, K. D. (2018). [RETRACED] OPTIMALISASI MICROBLOGGING TWITTER SEBAGAI ALAT KEHUMASAN DALAM PERUSAHAAN.
Diakom: Jurnal Media Dan Komunikasi, 1(1), 10–16.
Rezwanul, M., Ali, A., & Rahman, A. (2017). Sentiment Analysis on Twitter Data using KNN and SVM. International Journal of Advanced Computer Science
56 Samodra, J., Sumpeno, S., & Hariadi, M. (2009). Text Mining Clasification. 1–4.
Santosa, B., & Umam, A. (2018). Data Mining dan Big Data Analytics: Teori dan Implementasi Menggunakan Python & Apache Spark. Penebar Media Pustaka.
Saputra, N., Adji, T. B., & Permanasari, A. E. (2015). Analisis sentimen data presiden Jokowi dengan preprocessing normalisasi dan stemming menggunakan metode naive bayes dan SVM. J. Din. Inform, 5(1), 1–12.
Sari, B. W., & Haranto, F. F. (2019). Implementasi Support Vector Machine Untuk Analisis Sentimen Pengguna Twitter Terhadap Pelayanan Telkom Dan Biznet.
Jurnal Pilar Nusa Mandiri, 15(2), 171–176.
https://doi.org/10.33480/pilar.v15i2.699
Sentiaji, A. R., & Bachtiar, A. M. (2014). Analisis Sentimen Terhadap Acara Televisi Berdasarkan Opini Publik. Jurnal Ilmiah Komputer Dan Informatika (KOMPUTA), 2(1), 55–60.
Sulianta, F., & Juju, D. (2010). Data mining. Elex Media Komputindo.
Tufféry, S. (2011). Data mining and statistics for decision making. John Wiley &
Sons.
Tuhuteru, H., & Iriani, A. (2018). Analisis Sentimen Perusahaan Listrik Negara Cabang Ambon Menggunakan Metode Support Vector Machine dan Naive Bayes Classifier. Jurnal Informatika, 3(03).
Yulian, E. (2018). Text Mining dengan K-Means Clustering pada Tema LGBT dalam Arsip Tweet Masyarakat Kota Bandung. Jurnal Matematika “MANTIK, 4(1), 53–58.
