AMRULLAH, MUHAMMAD SYIARUL and Pane, Syafrial Fachri and Andarsyah, Roni (2023) ANALISA SENTIMEN MASYARAKAT TERHADAP PENERAPAN PERATURAN ETLE MENGGUNAKAN XGBOOST (1.1.4.23.007/MUH/A). Diploma thesis, ULBI.
Full text not available from this repository.Abstract
ABSTRAK Pada penelitian ini memiliki tujuan dalam mengembangkan model analisa sentimen masyarakat terhadap penerapan peraturan ETLE (Electronic Traffic Law Enforcement) menggunakan XGBoost dan mengevaluasi XGBoost dengan kinerja unggul. Data yang digunakan berasal dari hasil scraping pada media sosial twitter menggunakan SNScrape. Terdapat 379 data pada dataset dengan geolocation Indonesia, dan sesuai dengan keyword ETLE. Pengembangan model analisa sentimen masyarakat terhadap penerapan peraturan ETLE meliputi empat tahap yaitu preprocessing, handling imbalance data, modelling dan evaluation matrix. Pada tahap preprocessing terdapat beberapa teknik, seperti Cleaning text & translate, tokenization & POS Tag, text normalization, labelling, vectorization, & dimensionality reduction. Pada tahap cleaning text & translate dilakukan penghapusan simbol, whitespaces, url, username dan stopwords lalu diterjemahkan ke bahasa inggris. Tokenization & pos tag, text normalization, labelling, vectorization mengekstraksi fitur pada data dan dimensionality reduction digunakan untuk mengurangi dimensi demi mencegah potensi overfitting. Dengan menerapkan algoritma XGBoost, model yang dikembangkan mencapai tingkat akurasi sebesar 99%, presisi 98%, recall 100%, dan F1 Score 99%. Hasil evaluasi performa pada model XGBoost menunjukkan bahwa penelitian ini berhasil mengembangkan model dan dapat mengungguli lima penelitian sebelumnya dalam analisis sentimen. Model analisis sentimen yang berhasil dikembangkan dapat menjadi alat yang efektif dalam memahami pandangan dan reaksi masyarakat terhadap penerapan peraturan ETLE. Secara keseluruhan, penelitian ini memberikan kontribusi yang berharga dalam pengembangan dan penerapan model analisis sentimen yang unggul untuk konteks penerapan ETLE, sehingga dapat berdampak positif pada kebijakan lalu lintas di masa mendatang. Kata kunci: Analisa Sentimen, XGBoost, ETLE, Principal Component Analysis, TF-IDF, TextBlob.
| Item Type: | Thesis (Diploma) |
|---|---|
| Subjects: | T Technology > T Technology (General) |
| Depositing User: | Unnamed user with email [email protected] |
| Date Deposited: | 23 Jan 2024 03:09 |
| Last Modified: | 23 Jan 2024 03:09 |
| URI: | http://eprint.ulbi.ac.id/id/eprint/2089 |
Actions (login required)
 |
View Item |
