Klasifikasi Sentimen Terhadap Pinjaman Online (Pinjol) Berdasarkan Opini Masyarakat Pada Media Sosial Twitter Menggunakan Algoritma Naive Bayes
Program pinjaman online merupakan salah satu contoh platform jasa keuangan yang ditawarkan langsung oleh pelaku usaha fintech. Seiring banyaknya penyedia pinjaman online, masyarakat akan lebih banyak lagi membicarakan aplikasi pinjaman online. Pendapat yang diberikan masyarakat terhadap pinjaman online (pinjol) berupa positif dan negatifnya dari penyedia jasa pinjaman online tersebut. Analisis sentimen merupakan sebuah studi dari komputasi yang mengekspresikan sebuah sentimen, opini, evaluasi, sikap, emosi, penilaian maupun pandangan terhadap suatu teks. Pada suatu teks tersebut dapat dikategorikan kedalam nilai positif, negatif maupun netral. Klasifikasi Naive Bayes merupakan algoritma untuk klasifikasi berdasarkan teorema bayes dan digunakan untuk menghitung sebuah probabilitas atau peluang dari suatu kelas dengan anggapan bahwa salah satu kelas dengan kelas lainnya tidak saling tergantung atau berdiri sendiri. Berdasarkan hasil penelitian menggunakan algoritma naive bayes terhadap 650 data dengan 80% digunakan sebagai data latih dan 20% digunakan sebagai data uji diperoleh hasil akurasi sebesar 75%.
Kata Kunci : Analisis sentimen, Klasifikasi Naive Bayes, Pinjaman Online
Detail Information
Bagian |
Informasi |
Pernyataan Tanggungjawab |
|
Pengarang |
Topan Dedi Ramdhan - Personal Name Wahiddin, Deden - Personal Name Awal, Elsa Elvira - Personal Name
|
Edisi |
Print |
No. Panggil |
TA/IF 220016 |
Subyek |
Informatika Komputer
|
Klasifikasi |
Teknik Informatika |
Judul Seri |
|
GMD |
Text |
Bahasa |
Indonesia |
Penerbit |
Fakultas Ilmu Komputer |
Tahun Terbit |
2022 |
Tempat Terbit |
karawang |
Deskripsi Fisik |
|
Info Detil Spesifik |
Teknik Informatika |
Citation
. (2022).Klasifikasi Sentimen Terhadap Pinjaman Online (Pinjol) Berdasarkan Opini Masyarakat Pada Media Sosial Twitter Menggunakan Algoritma Naive Bayes.(Electronic Thesis or Dissertation). Retrieved from https://localhost/etd