Annisa, Nur Salsabila (2022) PERBANDINGAN ALGORITMA NAÏVE BAYES CLASSIFIER DAN SUPPORT VECTOR MACHINE DALAM MENGANALISIS SENTIMEN TERHADAP PELAYANAN GOJEK. S1 thesis, Universitas Malikussaleh.

	Text ANNISA NUR SALSABILA (TEKNIK INFORMATIKA)-1.pdf Download (3MB)
	Text ANNISA NUR SALSABILA (TEKNIK INFORMATIKA)-8-9.pdf Download (3MB)
	Text ANNISA NUR SALSABILA (TEKNIK INFORMATIKA)-15-18.pdf Download (3MB)
	Text ANNISA NUR SALSABILA (TEKNIK INFORMATIKA)-78-80.pdf Download (3MB)
	Text ANNISA NUR SALSABILA (TEKNIK INFORMATIKA).pdf Restricted to Registered users only Download (4MB)

Abstract

PERBANDINGAN ALGORITMA NAÏVE BAYES CLASSIFIER DAN SUPPORT VECTOR MACHINE DALAM MENGANALISIS SENTIMEN TERHADAP PELAYANAN GOJEK ABSTRAK Di era digital ini, masyarakat banyak meminati transportasi online yang berbasis aplikasi. Salah satu transportasi online yang sangat populer di Indonesia adalah Gojek.Bertambahnya minat pengguna layanan Gojek menjadikannya perbincangan di media sosial terutama twitter. Masyarakat memberikan tanggapan berupa keluhan, kritikan, saran maupun pujian terhadap pelayanan Gojek. Menganalisa opini-opini masyarakat dengan jumlah tweets yang banyak ini secara manual tentunya membutuhkan waktu yang lama. Maka dari itu, diperlukannya analisis sentimen untuk mengekstrak opini – opini tersebut. Dalam menganalisis sentimen diperlukannya sebuah teknik yaitu text mining. Text mining merupakan suatu proses pengambilan intisari dari dokumen teks sehingga didapatkan hasil yang berguna untuk tujuan tertentu. Dalam penelitian ini dilakukan perbandingan algoritma Naïve Baiyes dan Support Vector Machine (SVM) untuk menganalisis sentimen terhadap pelayanan gojek. Penelitian ini bertujuan untuk mengimplementasikan algoritma Naïve Baiyes classifier dan Support Vector Machine dalam mengklasifikasi sentimen pengguna terhadap pelayanan Gojek Indonesia serta menganalisa tingkat keakuratan data tertinggi antara algoritma Naïve Bayes dan Support Vector Machine. Penelitian ini menggunakan 1175 tweet yang terdiri dari 608 tweet label positif, 317 tweet label negatif, dan 249 tweet label netral. Kemudian menggunakan komposisi data sebesar 70% data training dan 30% data testing, yaitu sebanyak 822 tweet yang digunakan sebagai data training dan 353 tweet sebagai data testing. Berdasarkan hasil penelitian diperoleh performa SVM lebih bagus dibandingkan dengan Naive Baiyes dengan tingkat akurasi 58,35%, presisi sebesar 75,3%, recall sebesar 43,8%, dan f1-score sebesar 41,76%. Sedangkan Naïve baiyes menghasilkan akurasi 53,54%, presisi sebesar 84%, recall sebesar 36,94%, dan f1-score sebesar 29,5%. Kata kunci : Gojek, Analisis Sentimen, Text Mining, Naïve Baiyes, Support Vector Machin

Item Type:	Thesis (S1)
Subjects:	Q Science > Q Science (General)
Divisions:	Fakultas Teknik > 55201 - Jurusan Teknik Informatika
Depositing User:	Khairiati Khairiati
Date Deposited:	16 Jan 2025 09:02
Last Modified:	16 Jan 2025 09:02
URI:	https://rama.unimal.ac.id/id/eprint/9221

Actions (login required)

View Item