@thesis{thesis,
		author={Dedy  Hermawan},
		title ={PENERAPAN ALGORITMA NAÏVE BAYES DALAM ANALISIS SENTIMEN TWITTER (STUDI KASUS: PENGGUNAAN VAKSIN PFIZER, MODERNA, ASTRAZENECA DAN SINOVAC)},
		year={2022},
		url={http://repository.stiki.ac.id/1872/},
		abstract={Penelitian ini bertujuan untuk menganalisis persepsi masyarakat terhadap penggunaan vaksin Sinovac, Vaksin Astrazeneca, Vaksin Pfizer dan Vaksin Moderna di Indonesia. Penerapan algoritma Naïve Bayes Multinomial Text ini akan mengklasifikasikan cuitan tweet mana yang mengandung sentimen positif dan negatif. Teknik pengumpulan data yang dilakukan pada penelitian ini yaitu menggunakan Twitter API (Application Programming Interface). Analisis data dilakukan melalui proses pengelompokan data dan memberikan label. Kemudian dilakukan proses preprocesing mulai dari Cases folding, Tokenizing, Filter token (by length), Stopword Removal dan Stemming. Algoritma Naïve Bayes Multinomial Text dipilih karena mampu mengklasifikasikan dokumen dengan memperhitungkan jumlah kemunculan kata. Dari hasil kompilasi dan data yang diolah, tingkat akurasi yang dihasilkan menggunakan metode Naïve Bayes Multinomial Text untuk kategori vaksin Sinovac dengan jumlah dataset 500 tweet diperoleh sebesar 95%, vaksin Astrazeneca dengan jumlah dataset 150 tweet diperoleh  sebesar 98.01%, vaksin Pfizer dengan jumlah dataset 140 tweet diperoleh sebesar 95.75% dan tingkat akurasi untuk vaksin Moderna dengan jumlah dataset 120 tweet sebesar 96.88%.}
		}