Skripsi/Tugas Akhir

Analisis Sentimen Warganet Terhadap Tabungan Perumahan Rakyat (TAPERA) Menggunakan Naïve Bayes

---

Rating Anda tentang Buku/Tulisan ini!

---

ABSTRAK
TAPERA adalah program pemerintah Indonesia yang ditujukan untuk menyediakan hunian yang layak dan terjangkau bagi masyarakat. Namun, pelaksanaan program ini menuai berbagai pendapat, terutama terkait dampak ekonomi dan keadilan dalam pengumpulan dan distribusi dana. Dengan jumlah pengguna YouTube di Indonesia yang mencapai 139 juta pada tahun 2023, platform ini dipilih sebagai salah satu media utama untuk mengekspresikan pendapat publik mengenai program TAPERA. Sebagai platform yang sangat interaktif dan memiliki basis pengguna yang luas, YouTube memungkinkan masyarakat untuk secara bebas menyampaikan opini dan sentimen mereka terkait isu-isu sosial, termasuk TAPERA. Untuk menganalisis data komentar yang sangat besar tersebut, algoritma Naïve Bayes dipilih karena kesederhanaan dan efektivitasnya, khususnya dalam menangani dataset yang besar seperti komentar di YouTube, meskipun dengan distribusi data yang tidak seimbang. Berdasarkan hasil penelitian pengujian model Naïve Bayes dengan data testing sebanyak 992 komentar, menunjukkan bahwa 96,8% dari komentar diklasifikasikan sebagai sentimen negatif, 3,2% sebagai sentimen positif dan tidak ada sentimen netral. Ini menunjukkan bahwa model Naïve Bayes sangat efektif dalam mengidentifikasi sentimen negatif, tetapi kurang optimal dalam mendeteksi sentimen positif dan netral.
Kata Kunci: TAPERA, Naïve Bayes, Komentar, Sentimen, YouTube

ABSTRACT
TAPERA is an Indonesian government program aimed at providing decent and affordable housing for the community. However, the implementation of this program has generated various opinions, especially regarding the economic impact and fairness in the collection and distribution of funds. With the number of YouTube users in Indonesia reaching 139 million by 2023, this platform was chosen as one of the main mediums to express public opinion on the TAPERA program. As a highly interactive platform with a wide user base, YouTube allows people to freely express their opinions and sentiments on social issues, including TAPERA. To analyze the massive comment data, the Naïve Bayes algorithm was chosen for its simplicity and effectiveness, especially in handling large datasets such as YouTube comments, even with unbalanced data distribution. Based on the research results of testing the Naïve Bayes model with testing data of 992 comments, it shows that 96.8% of the comments are classified as negative sentiment, 3.2% as positive sentiment, and there is no neutral sentiment. This shows that the Naïve Bayes model is very effective in identifying negative sentiments, but less optimal in detecting positive and neutral sentiments.
Keywords: TAPERA, Naïve Bayes, Comment, Sentiment, YouTube

---

Ketersediaan

Tidak ada salinan data

Informasi Detail

Judul Seri

--

No. Panggil

SKR 24-50 SUD a - 0464SI

Penerbit

Makassar : Universitas DIPA., 2024

Deskripsi Fisik

xiv + 71 hlm.; 20,5 x 28,5 cm

Bahasa

Indonesia

ISBN/ISSN

--

Klasifikasi

SKR 24-50

Tipe Isi

Text dan Gambar

Edisi/Cetakan

Edisi/Cetakan 06 September 2024

Subjek

Skripsi/Tugas Akhir
Algoritma Naive Bayes
Analisis Sentimen

Lampiran File