<?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="35056">
<titleInfo>
<title>Sentiment Analysis Status Covid-19 Di Twitter Menggunakan Metode Naive bayes.</title>
</titleInfo>
<name type="Personal Name" authority="">
<namePart>Anshori, Achmad</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">Jakarta</placeTerm></place>
<publisher>Universitas YARSI</publisher>
<dateIssued>2020</dateIssued>
<issuance>monographic</issuance>
<edition></edition>
</originInfo>
<language>
<languageTerm type="code">id</languageTerm>
<languageTerm type="text">Indonesia</languageTerm>
</language>
<physicalDescription>
<form authority="gmd">Text</form>
<extent></extent>
</physicalDescription>
<note>Pengguna Twitter saat ini hanya dapat mengirim sebuah pesan text dengan batas maksimal 140 karakter dan dapat mengirimkan sebuah pesan gambar, pesan tersebut biasa dikenal dengan tweet (PUTRA, 2017). Sentimentt analysis merupakan bagian dari opinion mining, mengutip dari Kamus Besar Bahasa Indonesia (KBBI), sentimentt adalah “pendapat atau pandangan yang didasarkan pada perasaan yang berlebih-lebihan terhadap sesuatu (bertentangan dengan pertimbangan pikiran)”. Pada penelitian ini penulis membuat suatu percobaan sentimentt analysis tweet berbahasa Indonesia menggunakan metode Naive bayes, model yang dipakai yaitu Multinomial Naive bayes dan Bernoulli, penelitian ini menghasilkan nilai akurasi 64% dengan metode Bernoulli dari 80% data latih 20% data uji, 62% dengan metode Bernoulli dari 70% data uji 30% data latih, 64% dengan metode Bernoulli dari 75% data uji 25% data latih, dan 77% dengan metode Bernoulli dari 95% data uji 5% data latih. Dari perbandingan nilai akurasi yang didapat antara Multinomial Naive bayes dan Bernoulli didapat hasil terbaik menggunakan model Bernoulli.</note>
<subject authority=""><topic>TWITTER</topic></subject>
<classification>S-726-FTI</classification><identifier type="isbn"></identifier><location>
<physicalLocation>Perpustakaan Universitas YARSI Library is the Brain and The Heart of The University</physicalLocation>
<shelfLocator>S-726-FTI</shelfLocator>
<holdingSimple>
<copyInformation>
<numerationAndChronology type="1">S-726-FTI</numerationAndChronology>
<sublocation>Perpustakaan 1 - Lt2 (FTI-PSTI)</sublocation>
<shelfLocator>S-726-FTI</shelfLocator>
</copyInformation>
</holdingSimple>
</location>
<slims:digitals>
<slims:digital_item id="6611" url="http://digilib.yarsi.ac.id/8987/" path="/http://digilib.yarsi.ac.id/8987/" mimetype="text/uri-list">Sentimentt Analysis Status Covid-19 Di Twitter Menggunakan Metode Naive bayes.</slims:digital_item>
</slims:digitals><recordInfo>
<recordIdentifier>35056</recordIdentifier>
<recordCreationDate encoding="w3cdtf">2021-06-07 08:50:44</recordCreationDate>
<recordChangeDate encoding="w3cdtf">2021-06-07 08:51:52</recordChangeDate>
<recordOrigin>machine generated</recordOrigin>
</recordInfo></mods></modsCollection>