<?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="17504">
<titleInfo>
<title>ANALISIS SENTIMEN DATA KOMENTAR SOSIAL MEDIA TWITTER
TERHADAP PEMBERLAKUAN E-TILANG DI MASYARAKAT</title>
</titleInfo>
<name type="Personal Name" authority="">
<namePart>Deborah Kurniawati, S.Kom., M.Cs.</namePart>
<role><roleTerm type="text">Contributor</roleTerm></role>
</name>
<name type="Personal Name" authority="">
<namePart>Kusuma, Andriantika Dewi - 175410187</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>Twitter yang saat ini bisa disebut dengan aplikasi X adalah salah satu media sosial
yang digunakan pengguna untuk media komunikasi dan informasi. Informasi yang
didapat berupa komentar, pertanyaan, ataupun opini baik yang bersifat positif, netral,
ataupun negative. Informasi yang disajikan salah satunya adalah pemberlakuan etilang. Informasi masyarakat dengan sentimen bisa dijadikan indicator untuk
menentukan kualitas dari pemberlakuan e-tilang dari sisi opini masyarakat. Oleh
karena itu, peneliti akan melakukan analisa tweet dari opini masyarakat mengenai
pemberlakuan e-tilang di Indonesia.
Penelitian ini menggunakan metode K-Nearest Neighbor dengan beberapa tahapan.
Tahap pre-processing yang terdiri atas cleansing,case folding, tokenizing, stop removal
dan stemming. Tahap kedua yaitu perhitungan pembobotan dengan TF-IDF, dan yang
ketiga adalah klasifikasi sentiment kedalam 3 kategori yaitu negative, positif dan netral.
Data yang digunakan berupa opini masyarakat dengan jumlah data 1181 data tweet
yang diperoleh dari hasil scraping menggunakan tweepy di phyton.
Hasil yang diperoleh dari pengujian analisis dengan menggunakan metode Knearest Neighbor menghasilkan akurasi tertinggi dengan nilai k =3 yaitu 78%.
Sedangkan nilai presisi tertinggi yaitu 72% dan nilai recall tertinggi yaitu 62%. Hasil
analisis sentimen dari pemberlakuan system e-tilang di Indonesia mendapatkan respon
positif sebesar 68%.
Kata kunci : analisis sentiment, e-tilang, k-nearest neighbor, tf-idf, twitter</note>
<subject authority=""><topic>E-TILANG</topic></subject>
<subject authority=""><topic>ANALISIS SENTIMEN DATA</topic></subject>
<subject authority=""><topic>Twitter</topic></subject>
<subject authority=""><topic>Media Sosial</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>129 KUS A R.1</shelfLocator>
<holdingSimple>
<copyInformation>
<numerationAndChronology type="1">KUS0129IN0124</numerationAndChronology>
<sublocation>Rak Referensi  Skripsi Informatika</sublocation>
<shelfLocator>129 KUS A R.1</shelfLocator>
</copyInformation>
</holdingSimple>
</location>
<recordInfo>
<recordIdentifier>17504</recordIdentifier>
<recordCreationDate encoding="w3cdtf">2024-10-01 14:02:05</recordCreationDate>
<recordChangeDate encoding="w3cdtf">2024-10-01 14:03:20</recordChangeDate>
<recordOrigin>machine generated</recordOrigin>
</recordInfo></mods></modsCollection>