PERBANDINGAN METODE K-NEAREST NEIGHBOR DAN SUPPORT VECTOR MACHINE DALAM ANALISIS SENTIMEN MASYARAKAT TERHADAP KULIAH LURING PASCA KEBIJAKAN NEW NORMAL.

Bimbe, Muhammad Arrazi Alghifari Bimbe (2025) PERBANDINGAN METODE K-NEAREST NEIGHBOR DAN SUPPORT VECTOR MACHINE DALAM ANALISIS SENTIMEN MASYARAKAT TERHADAP KULIAH LURING PASCA KEBIJAKAN NEW NORMAL. S1 thesis, Universitas Jambi.

	Text ABSTRAK.pdf Download (96kB)
	Text BAB 1.pdf Download (138kB)
	Text BAB 5.pdf Download (109kB)
	Text Cover.pdf Download (107kB)
	Text DAFTAR PUSTAKA.pdf Download (125kB)
	Text Full Skripsi.pdf Restricted to Repository staff only Download (3MB)
	Text Halaman Pengesahan.pdf Download (460kB)

Official URL: https://repository.unja.ac.id/

Abstract

Kebijakan New Normal menimbulkan beberapa pendapat di masyarakat, ada yang setuju dengan diberlakukannya pembelajaran luring dan ada yang tidak setuju. Persepsi siswa terhadap pembelajaran kelas secara luring dengan adaptasi kebiasaan baru adalah positif atau dapat dikatakan sangat setuju.Analisis sentimen digunakan untuk memahami opini dalam teks dan mengklasifikasikannya sebagai positif, netral, atau negatif. Teknik ini membantu menggali opini publik dari media sosial, khususnya untuk melihat respons pengguna terhadap suatu topik. Dua metode yang sering digunakan dalam analisis sentimen adalah K-Nearest Neighbor (KNN) dan Support Vector Machine (SVM). KNN bekerja dengan membandingkan sampel berdasarkan jarak terpendek, tetapi sensitif terhadap Noise, sementara SVM fokus pada menemukan hyperplane terbaik untuk memisahkan kelas dalam data. Dari beberapa pengujian skenario Split Data yang telah dilakukan, dapat disimpulkan bahwa akurasi yang dihasilkan oleh Support Vector Machine lebih baik daripada K-Nearest Neighbors dengan split data yang digunakan yaitu sebesar 90:10. Akurasi yang dihasilkan dari Support Vector Machine yaitu sebesar 63.39%, sedangkan KNN yaitu sebesar 38.80%. Berdasarkan hasil evaluasi yang telah dilakukan, bahwa Support Vector Machine unggul dalam nilai Precision, Recall, dan F1-Score dibandingkan dengan KNN dalam konteks ini.

Type:	Thesis (S1)
Subjects:	L Education > L Education (General)
Divisions:	Fakultas Sains dan Teknologi > Sistem Informasi
Depositing User:	Bimbe
Date Deposited:	22 Jan 2025 08:03
Last Modified:	22 Jan 2025 08:03
URI:	https://repository.unja.ac.id/id/eprint/75140

Actions (login required)

View Item