FRINK Linked Data Fragments server

Matches in SemOpenAlex for { <https://semopenalex.org/work/W4386912736> ?p ?o ?g. }

• W4386912736 endingPage "87" @default.
• W4386912736 startingPage "75" @default.
• W4386912736 abstract "Abstrak Facebook adalah media sosial terbesar di dunia. Semua aplikasi media sosial besutan Facebook tidak bisa diakses secara bersamaan dalam waktu kurang lebih 6 jam. Hal ini tidak hanya terjadi di Indonesia, tetapi di seluruh negara di dunia, pada tanggal 5-6 Oktober waktu Indonesia. Dengan adanya kasus ini, berbagai komentar dan opini dari masyarakat di Twitter terkait kasus Facebook pun turun. Komentar positif atau negatif bermunculan di twitter. Analisis sentimen digunakan untuk mengidentifikasi komentar positif dan negatif. Pada penelitian ini, komentar positif dan negatif akan diklasifikasikan menggunakan klasifikasi Vader dan nave bayes. Data yang terkumpul sebanyak 500 data dari twitter terkait down case facebook. Dari hasil perhitungan diperoleh sentimen positif sebanyak 33,92% dan sentimen negatif dengan hasil 66,08%. Berdasarkan hasil visualisasi dengan wordcloud, kata yang paling banyak muncul adalah kata facebook down untuk sentimen positif dan negatif. Hasil yang didapatkan dari tabel Confusion Matrix dari model klasifikasi menggunakan data sharing, 80% data training dan 20% data testing, dengan metode klasifikasi menggunakan Naive Bayes dengan pembobotan kata TF-IDF, nilai akurasinya sebesar 73,69% dan untuk Count Vektorizer adalah 70,18%. AbstractFacebook is the largest social media in the world. All social media applications made by Facebook cannot be accessed simultaneously in approximately 6 hours. This happens not only in Indonesia, but in all countries in the world, on October 5-6, Indonesian time. With this case, various comments and opinios from people on Twitter related to the Facebook case were down. Positive or negative comments popping up on twitter. Sentiment analysis is used to identify positive and negative comments. In this study, positive and negative comments will be classified using Vader and nave Bayes classification. The data collected was 500 data from twitter related to the Facebook down case. From the calculation results, positive sentiment was obtained as much as 33.92% and negative sentiment with 66.08% results. Based on the results of the visualization with wordcloud, the words that appear the most are the word facebook down for positive and negative sentiments. The results obtained from the confusion matrix table from the classification model using data sharing, 80% training data and 20% testing data, with the classification method using Naive Bayes with TF-IDF word weighting, the accuracy value is 73.69% and for the Count Vectorizer is 70.18%." @default.
• W4386912736 created "2023-09-22" @default.
• W4386912736 creator A5011009524 @default.
• W4386912736 date "2022-12-31" @default.
• W4386912736 modified "2023-10-16" @default.
• W4386912736 title "ANALYSIS SENTIMENTS IN FACEBOOK DOWN CASE USING VADER AND NAIVE BAYES CLASSIFICATION METHOD" @default.
• W4386912736 doi "https://doi.org/10.24269/mtkind.v16i2.5601" @default.
• W4386912736 hasPublicationYear "2022" @default.
• W4386912736 type Work @default.
• W4386912736 citedByCount "0" @default.
• W4386912736 crossrefType "journal-article" @default.
• W4386912736 hasAuthorship W4386912736A5011009524 @default.
• W4386912736 hasBestOaLocation W43869127361 @default.
• W4386912736 hasConcept C11171543 @default.
• W4386912736 hasConcept C112698675 @default.
• W4386912736 hasConcept C12267149 @default.
• W4386912736 hasConcept C136764020 @default.
• W4386912736 hasConcept C138602881 @default.
• W4386912736 hasConcept C142362112 @default.
• W4386912736 hasConcept C144133560 @default.
• W4386912736 hasConcept C154945302 @default.
• W4386912736 hasConcept C15708023 @default.
• W4386912736 hasConcept C15744967 @default.
• W4386912736 hasConcept C2781140086 @default.
• W4386912736 hasConcept C41008148 @default.
• W4386912736 hasConcept C518677369 @default.
• W4386912736 hasConcept C52001869 @default.
• W4386912736 hasConceptScore W4386912736C11171543 @default.
• W4386912736 hasConceptScore W4386912736C112698675 @default.
• W4386912736 hasConceptScore W4386912736C12267149 @default.
• W4386912736 hasConceptScore W4386912736C136764020 @default.
• W4386912736 hasConceptScore W4386912736C138602881 @default.
• W4386912736 hasConceptScore W4386912736C142362112 @default.
• W4386912736 hasConceptScore W4386912736C144133560 @default.
• W4386912736 hasConceptScore W4386912736C154945302 @default.
• W4386912736 hasConceptScore W4386912736C15708023 @default.
• W4386912736 hasConceptScore W4386912736C15744967 @default.
• W4386912736 hasConceptScore W4386912736C2781140086 @default.
• W4386912736 hasConceptScore W4386912736C41008148 @default.
• W4386912736 hasConceptScore W4386912736C518677369 @default.
• W4386912736 hasConceptScore W4386912736C52001869 @default.
• W4386912736 hasIssue "2" @default.
• W4386912736 hasLocation W43869127361 @default.
• W4386912736 hasOpenAccess W4386912736 @default.
• W4386912736 hasPrimaryLocation W43869127361 @default.
• W4386912736 hasRelatedWork W1537306737 @default.
• W4386912736 hasRelatedWork W191014748 @default.
• W4386912736 hasRelatedWork W2005801879 @default.
• W4386912736 hasRelatedWork W2349679704 @default.
• W4386912736 hasRelatedWork W2594425090 @default.
• W4386912736 hasRelatedWork W2748952813 @default.
• W4386912736 hasRelatedWork W3102912986 @default.
• W4386912736 hasRelatedWork W4285337301 @default.
• W4386912736 hasRelatedWork W4366202965 @default.
• W4386912736 hasRelatedWork W4286895508 @default.
• W4386912736 hasVolume "16" @default.
• W4386912736 isParatext "false" @default.
• W4386912736 isRetracted "false" @default.
• W4386912736 workType "article" @default.