Arifa, Ilham Putra (2020) IMPLEMENTASI ALGORITMA SUPPORT VECTOR MACHINE (SVM) UNTUK ANALISIS KLASIFIKASI SENTIMEN KOMENTAR APLIKASI E-TICKTETING PADA PLAY STORE. Undergraduate thesis, Universitas Diponegoro.

	Text JUDUL.pdf Download (1MB)
	Text BAB I.pdf Restricted to Repository staff only Download (338kB)
	Text BAB II.pdf Restricted to Repository staff only Download (865kB)
	Text BAB III.pdf Restricted to Repository staff only Download (1MB)
	Text BAB IV.pdf Restricted to Repository staff only Download (1MB)
	Text BAB V.pdf Restricted to Repository staff only Download (227kB)
	Text DAFTAR PUSTAKA.pdf Restricted to Repository staff only Download (128kB)
	Text LAMPIRAN.pdf Restricted to Repository staff only Download (13kB)

Abstract

Penting bagi penyedia produk atau jasa untuk mengetahui tanggapan konsumen
mengenai produk atau jasa yang mereka tawarkan. Tidak bisa dipungkiri bahwa
tanggapan konsumen yang muncul dapat memengaruhi citra dari penyedia produk atau
jasa. Akan tetapi, memantau dan mengklasifikasikan tanggapan dari konsumen bukanlah
hal yang mudah. Pada perusahaan besar seperti Traveloka, Tiket.com, Pegipegi dan
Mr.Aladin tanggapan yang dimuat jumlahnya terlalu banyak untuk diproses apabila
dilakukan secara manual. Oleh karena itu, diperlukan sebuah metode atau teknik khusus
yang mampu menganalisis serta mengelompokan tanggapan-tanggapan konsumen secara
otomatis, apakah termasuk sentimen positif atau negatif. Dengan memanfaatkan machine
learning dapat dilakukan klasifikasi secara massif bagaimana tanggapan atau opini
pengguna aplikasi terhadap layanan atau produk tersebut melalui penerapan Algoritma
klasifikasi Support Vecvtor Machine.
Dalam penelitian ini dilakukan pengambilan data review pada PlayStore
menggunakan teknik scraping yang kemudian data yang didapat akan dilakukan
prapengolahan data. Setelah dilakukan prapengolahan data, data akan dikelompokan
menjadi data uji dan data latih dimana data latih akan digunakan untuk proses pelatihan
model yang dibuat menggunakan algortima klasifikasi Support Vector Machine (SVM)
melalui beberapa tahap pengujian model sehingga didapatkan hasil paling optimal pada
model.
Hasil penelitian berdasarkan dari tahapan pengujian model yang telah dilakukan
mendapatkan accuracy 91,30%, Precision 91,64%, dan Recall 90,99%. Hasil akurasi
tersebut dipengaruhi oleh beberapa hal, yaitu pertama komposisi jumlah data train dan
data test melalui k-fold validation, jumlah dataset yang digunakan dan komposisi
pelabelan komentar positif dan negatif

Actions (login required)

View Item