Sari, Septika (2022) KOMPARASI METODE LEXICON BASED DAN NAIVE BAYES DALAM ANALISIS SENTIMEN REAKSI DAN EFEK SAMPING VAKSIN MODERNA. S1 thesis, Sistem Informasi.
![[img]](https://repository.unja.ac.id/style/images/fileicons/text.png) |
Text
SKRIPSI F1E118004 SEPTIKA SARI.pdf Restricted to Repository staff only Download (3MB) | Request a copy |
|
Text
COVER.pdf - Cover Image Download (1MB) |
|
Text
PENGESAHAN.pdf - Other Download (1MB) |
|
Text
ABSTRAK.pdf - Draft Version Download (1MB) |
|
Text
BAB I.pdf - Draft Version Download (1MB) |
|
Text
BAB V.pdf - Draft Version Download (1MB) |
|
Text
DAFTAR PUSTAKA.pdf - Draft Version Download (1MB) |
Abstract
Pesatnya penyebaran COVID-19 yang semakin bertambah dengan dampak yang ditimbulkan dari COVID-19 semenjak kasus pertama membawa problematika bagi masyarakat pada aspek kehidupan sehari-hari. Dalam menghadapi dampak COVID-19 tersebut, Kementerian Kesehatan melakukan tindakan intervensi dalam penanggulangan pencegahan penyebaran COVID-19 sesuai arahan WHO (World Health Organization) yang lebih efektif untuk mencegah penyebaran virus tersebut, yaitu melalui upaya penggunaan vaksinasi COVID-19. Demi keberhasilan pelaksanaan pemberian vaksinasi tersebut terutama yang akan menggunakan vaksin jenis moderna, penting bagi masyarakat untuk dapat mengetahui bagaimana reaksi serta efek samping setelah penggunaan vaksin moderna sehingga masyarakat tidak perlu khawatir untuk penggunaan lanjut vaksin terutama vaksin moderna sehingga mencegah penyebaran virus COVID-19. Dalam mengetahui bagaimana reaksi serta efek samping vaksin moderna masyarakat setelah penggunaannya, dilakukanlah metode analisis sentimen dengan sumber data diambil dari media sosial youtube bertujuan untuk melihat bagaimana opini dan pendapat positif, netral dan negatif terkait reaksi serta efek samping vaksin moderna dan analisis ini menggunakan metode lexicon based dari pendekatan rule based method dan naïve bayes dari pendekatan machine learning. Selain itu, penelitian ini juga bertujuan untuk mengetahui perbandingan tingkat accuracy dari lexicon based dari pendekatan rule based method dan naïve bayes dari pendekatan machine learning. Dari kedua metode klasifikasi tersebut naïve bayes terbukti memiliki accuracy sedikit lebih tinggi dibandingkan dengan lexicon based yaitu sebesar 74% untuk naïve bayes dengan rata-rata nilai precision sebesar 74%, recall sebesar 74% dan f1-score sebesar 74%. Sedangkan accuracy untuk lexicon based sebesar 71% dengan rata-rata nilai precision sebesar 71%, recall sebesar 71% dan f1-score sebesar 71%.
| Type: | Thesis (S1) |
|---|---|
| Subjects: | L Education > L Education (General) |
| Divisions: | Fakultas Sains dan Teknologi > Sistem Informasi |
| Depositing User: | SARI |
| Date Deposited: | 22 Sep 2022 06:52 |
| Last Modified: | 22 Sep 2022 06:52 |
| URI: | https://repository.unja.ac.id/id/eprint/39946 |
Actions (login required)
 |
View Item |
