<?xml version="1.0" encoding="UTF-8" ?>
<modsCollection xmlns:xlink="http://www.w3.org/1999/xlink" xmlns:xsi="http://www.w3.org/2001/XMLSchema-instance" xmlns="http://www.loc.gov/mods/v3" xmlns:slims="http://slims.web.id" xsi:schemaLocation="http://www.loc.gov/mods/v3 http://www.loc.gov/standards/mods/v3/mods-3-3.xsd">
<mods version="3.3" ID="17274">
<titleInfo>
<title>PERBANDINGAN METODE K-NEAREST NEIGHBOR DAN NAIVE
BAYES UNTUK ANALISIS SENTIMEN PROYEK IBUKOTA
NEGARA(IKN) DI INDONESIA</title>
</titleInfo>
<name type="Personal Name" authority="">
<namePart>Sri Redjeki, S.Si., M.Kom.</namePart>
<role><roleTerm type="text">Contributor</roleTerm></role>
</name>
<name type="Personal Name" authority="">
<namePart>Prasetyo, Rizky Ibnu - 185410019</namePart>
<role><roleTerm type="text">Primary Author</roleTerm></role>
</name>
<typeOfResource manuscript="yes" collection="yes">mixed material</typeOfResource>
<genre authority="marcgt">bibliography</genre>
<originInfo>
<place><placeTerm type="text">Yogyakarta</placeTerm></place>
<publisher>UNIVERSITAS TEKNOLOGI DIGITAL INDONESIA (UTDI)</publisher>
<dateIssued>2024</dateIssued>
<issuance>monographic</issuance>
<edition></edition>
</originInfo>
<language>
<languageTerm type="code">id</languageTerm>
<languageTerm type="text">Indonesia</languageTerm>
</language>
<physicalDescription>
<form authority="gmd">Text Skripsi</form>
<extent></extent>
</physicalDescription>
<note>Pemindahan ibu kota baru negara Indonesia menjadi perbincangan di media sosial
Twitter dan platform media sosial lainnya. Oleh karena itu pastinya diperlukan
suatu proses khusus untuk menilai seberapa banyak opini yang terkait dengan
proyek Ibu Kota Negara (IKN) tersebut. Sehingga, peneliti tertarik untuk meneliti
perihal Analisis Opini Masyarakat dimedia Sosial Twitter Terhadap Proyek Ibu
Kota Negara (IKN) di Indonesia menggunakan metode K-Nearest Neighbor dan
Naïve Bayes. Metode penelitian yang digunakan oleh peneliti yaitu metode
KNearest Neighbor dan Naive Bayes untuk analisis sentimen proyek Ibukota
Negara (IKN) di Indonesia. Metode ini digunakan dengan bahan media sosial
Twitter berdasarkan opini masyarakat terhadap Proyek IKN. Pengumpulan data
dilakukan dengan studi literasi, observasi, pengolahan data, cleaning, case folding,
stopword removal, tokenizing, stemming, analisis dan perancangan sistem, dan
arsitektur sistem. Hasil penelitian dengan jumlah data training 80% dan data testing
20% diperoleh dengan hasil akurasi K-Nearest Neighbor 68% sedangkan Naïve
Bayes 60,6%.
Kata Kunci : Analisis sentiment, K-Nearest Neighbor, Naïve bayes</note>
<subject authority=""><topic>Perbandingan</topic></subject>
<subject authority=""><topic>NAIVE BAYES</topic></subject>
<subject authority=""><topic>METODE K-NEARST NEIGHBOR</topic></subject>
<subject authority=""><topic>Analisis Sentimen</topic></subject>
<classification>NONE</classification><identifier type="isbn"></identifier><location>
<physicalLocation>Perpustakaan Universitas Teknologi Digital Indonesia Katalog Online Perpustakaan Universitas Teknologi Digital Indonesia</physicalLocation>
<shelfLocator>043 PRA P R.1</shelfLocator>
<holdingSimple>
<copyInformation>
<numerationAndChronology type="1">PRA0043IN0124</numerationAndChronology>
<sublocation>Rak Referensi  Skripsi Informatika</sublocation>
<shelfLocator>043 PRA P R.1</shelfLocator>
</copyInformation>
</holdingSimple>
</location>
<recordInfo>
<recordIdentifier>17274</recordIdentifier>
<recordCreationDate encoding="w3cdtf">2024-03-25 13:20:08</recordCreationDate>
<recordChangeDate encoding="w3cdtf">2024-03-25 13:21:22</recordChangeDate>
<recordOrigin>machine generated</recordOrigin>
</recordInfo></mods></modsCollection>