Please use this identifier to cite or link to this item: http://repository.uinjkt.ac.id/dspace/handle/123456789/48184
Full metadata record
DC FieldValueLanguage
dc.contributor.advisorNashrul Hakiemid
dc.contributor.advisorSiti Ummi Masrurohid
dc.contributor.authorFaqi Syadidid
dc.date.accessioned2019-11-07T08:33:11Z-
dc.date.available2019-11-07T08:33:11Z-
dc.date.issued2019-03-06-
dc.identifier.urihttp://repository.uinjkt.ac.id/dspace/handle/123456789/48184-
dc.descriptionxiv, 74 hlm,; 28 Cm.id
dc.description.abstractPenelitian ini bertujuan menerapkan algoritma term frequency-invers document frequency dan metode multi layer perceptron untuk mengklasifikasikan sentimen positif dan negatif pada tweet calon presiden indonesia 2019. Ada beberapa tahap untuk melakukan analisis sentimen, diantaranya adalah tahap pengumpulan data, preprocesing data, penghitungan bobot term menggunakan term frequency-invers document frequency, dan klasifikasi menggunakan multi layer perceptron. Menggunakan 3 skenario dalam percobaan klasifikasi, yaitu skenario 1 menggunakan jumlah data latih sebanyak 700 data, skenario 2 menggunakan jumlah data latih sebanyak 800 data, dan skenario 3 menggunakan jumlah data latih sebanyak 900 data. Hasil dari penelitian ini bahwa term frequency-invers document frequency dan metode multi layer perceptron dapat diimplementasikan untuk analisis sentimen dan didapatkan nilai akurasi tertinggi pada skenario 3 mencapai 88%.id
dc.language.isoidid
dc.publisherFakultas Sains dan Teknologi Universitas Islam Negeri Syarif Hidayatullah Jakartaid
dc.subjectKlasifikasiid
dc.subjectMulti layer Perceptronid
dc.subjectTF-IDFid
dc.subjectSentimen Analisisid
dc.titleAnalisis sentimen komentar netizen terhadap calon presiden Indonesia 2019 dari twitter menggunakan algoritma term frequency-invers document frequency (tf-idf) dan metode multi layer perceptron (mlp) neural networkid
dc.typebachelorThesisid
Appears in Collections:Skripsi

Files in This Item:
File SizeFormat 
FAQI SYADID-FST.pdf2.43 MBAdobe PDFView/Open


Items in UINJKT-IR are protected by copyright, with all rights reserved, unless otherwise indicated.