TA : Analisis Sentimen Publik terhadap Bjorka dalam Insiden Kebocoran Data KOMINFO menggunakan Algoritma Support Vector Machine

Sabian, Rayhan (2023) TA : Analisis Sentimen Publik terhadap Bjorka dalam Insiden Kebocoran Data KOMINFO menggunakan Algoritma Support Vector Machine. Undergraduate thesis, Universitas Dinamika.

[img] Text
17410100144-2023-UNIVERSITASDINAMIKA.pdf - Accepted Version

Download (2MB)
[img] Text
17410100144-2023-LAMPIRAN.pdf - Accepted Version
Restricted to Repository staff only

Download (271kB)

Search this title on : |

Abstract

Akun dengan nama Bjorka mengklaim telah memperoleh miliaran data pendaftaran kartu SIM berupa Nomor Induk Kependudukan dan Kartu Keluarga dari database badan pemerintahan Kementerian Komunikasi dan Informatika (Kemkominfo), sehingga keamanan siber Kemkominfo pun dipertanyakan. Kemunculan hacker Bjorka ini menimbulkan berbagai tanggapan di Twitter, beberapa ada yang mendukung aksi Bjorka dan ada yang tidak setuju dengan aksi Bjorka. Maka diperlukannya analisis sentimen untuk mengetahui sentimen masyarakat lebih ke arah negatif atau positif, agar pemerintahan dapat melakukan evaluasi maupun rencana strategis pemerintah dalam menangani insiden kebocoran data ke depannya. Maka penelitian ini menggunakan tweet yang berisi tanggapan masyarakat untuk dilakukan prediksi sentimen negatif atau positif menggunakan algoritma Support Vector machine. Dari total 1017 data tanggapan masyarakat terhadap kebocoran data oleh Bjorka ditemukan 97.35% (990 tweet) memiliki sentimen negatif dan 2.65% (27 tweet) memiliki sentimen positif, sehingga dapat diketahui tanggapan publik lebih banyak beranggapan negatif terhadap kebocoran data yang dilakukan oleh Bjorka. Dari hasil sentimen tersebut juga menyatakan bahwa edukasi ke masyarakat terhadap kebocoran data yang dilakukan oleh Bjorka tidak terlalu krusial, pemerintahan bisa lebih fokus untuk menangani sektor yang lain seperti meningkatkan keamanan data itu sendiri maupun menyiapkan edukasi kebocoran data lainnya.


Export Record


Item Type: Thesis (Undergraduate)
Additional Information: Rayhan Sabian (17410100144)
Uncontrolled Keywords: support vector machine, kebocoran data, analisis sentimen
Dewey Decimal Classification: 600 – Technology > 650 Management & auxiliary services > 658 General management
Divisions: Fakultas Teknologi dan Informatika > S1 Sistem Informasi
Depositing User: Rayhan Sabian
Date Deposited: 07 Feb 2023 14:52
Last Modified: 07 Feb 2023 14:52
THESIS ADVISORS: 1. Dr. Drs. Antok Supriyanto, M.MT. (NIDN : 0726106201)
2. Sulistiowati, S.Si., M.M. (NIDN : 0719016801)
URI: http://repository.dinamika.ac.id/id/eprint/6945

Download Statistics

Downloads over the past year. Other digital versions may also be available to download e.g. from the publisher's website.

View more statistics

Actions (login required)

View Item   View Item