IMPLEMENTASI METODE EXTREME GRADIENT BOOSTING UNTUK KLASIFIKASI TOPIK DAN ANALISIS SENTIMEN PADA TWIT KEMENTERIAN KESEHATAN

Emor, Kenshin Geraldy and Angdresey, Apriandy and Kairupan, Indah Yessi (2022) IMPLEMENTASI METODE EXTREME GRADIENT BOOSTING UNTUK KLASIFIKASI TOPIK DAN ANALISIS SENTIMEN PADA TWIT KEMENTERIAN KESEHATAN. Skripsi thesis, UNIVERSITAS KATOLIK DE LA SALLE MANADO.

	PDF COVER-DAFTAR_ISI_KenshinEmor.pdf Download (618kB)
	PDF BAB_ISI-LAMPIRAN_KenshinEmor.pdf Restricted to Repository staff only Download (4MB)

Official URL: http://digilib.unikadelasalle.ac.id/

Abstract

Kementerian Kesehatan Republik Indonesia (Kemenkes RI) merupakan salah satu kementerian yang menyelenggarakan urusan pemerintahan dalam bidang kesehatan seperti memberikan informasi mengenai upaya pencegahan dan pengendalian penyakit, pelayanan kesehatan masyarakat. Kicauan yang terdapat dalam akun Twitter dari Kemenkes RI merupakan jenis informasi yang beragam yang diunggah secara acak, sehingga sering kali para pengguna Twitter tidak dapat membedakan jenis-jenis informasi yang diberikan dari Twitter Kemenkes RI. Komentar dari pengguna Twitter terhadap informasi yang diunggah oleh Kemenkes RI dalam akun Twitter-nya sering terjadi pro dan kontra.
Metode extreme gradient boosting (XGBoost) merupakan algoritma yang berbasis pohon seperti algoritma decision tree. Algoritma XGBoost menggunakan prinsip-prinsip yang ensamble yaitu menggabungkan beberapa set pembelajaran yang lemah dan menjadikan suatu model baru yang kuat dan menghasilkan prediksi yang kuat. Algoritma extreme gradient boosting berhasil diterapkan dan bekerja dengan baik pada proses klasifikasi yang terbagi atas 2 kategori yaitu informasi umum dan penting, serta pada analisis sentimen yang terbagi atas 3 kelas yaitu positif, netral dan negatif.
Hasil yang diperoleh dari pengujian terhadap aplikasi klasifikasi dan analisis sentimen pada twit Kemenkes RI, diperoleh tingkat akurasi terbesar pada klasifikasi yaitu pada partisi data 80 data latih berbanding 20 data uji dengan perolehan akurasi 89.35% dengan presisi sebesar 88.76%, dan 88.58% untuk nilai recall dari 2243 data kicauan. Sedangkan nilai akurasi terbesar pada analisis sentimen yaitu terdapat pada partisi data 80 data latih dibandingkan 20 data uji, dengan akurasi 91,22% dengan presisi 89,17%, dan 89,06% untuk nilai recall, dari 304 data komentar.

Kata kunci: Klasifikasi, Analisis Sentimen, Extreme Gradient Boosting, Kemenkes RI, Twitter.

Item Type:

Thesis (Skripsi)

Creators: