AMANDA, Zhafira (2025) Perbandingan Ekstraksi Fitur BoW dan TF-IDF pada Analisis Sentimen Ulasan Pengguna Halodoc Menggunakan Metode Support Vector Machine. Undergraduate thesis, UNDIP: Fakultas Sains dan Matematika.

	Text 1. COVER.pdf Download (159kB)
	Text 3. HALAMAN PENGESAHAN.pdf Download (566kB)
	Text 4. KATA PENGANTAR.pdf Download (142kB)
	Text 5. HALAMAN PERNYATAAN PERSETUJUAN PUBLIKASI SKRIPSI.pdf Download (654kB)
	Text 6. ABSTRAK.pdf Download (137kB)
	Text 7. DAFTAR ISI.pdf Download (133kB)
	Text 8. DAFTAR TABEL.pdf Download (124kB)
	Text 10. BAB I PENDAHULUAN.pdf Download (165kB)

Abstract

ABSTRAK
Halodoc merupakan aplikasi layanan kesehatan digital yang ada di Indonesia, sehingga
penting untuk memahami persepsi pengguna melalui analisis sentimen. Penelitian ini
bertujuan untuk menganalisis ulasan pengguna di Google Play Store menggunakan metode
Support Vector Machine (SVM). Dua pendekatan ekstraksi fitur, yaitu Bag of Words (BoW)
dan Term Frequency-Inverse Document Frequency (TF-IDF) digunakan untuk
merepresentasikan data teks ke dalam bentuk numerik. Data ulasan dikategorikan menjadi
sentimen positif dan negatif setelah melalui tahapan pra-pemrosesan yang mencakup
pembersihan data, normalisasi huruf, tokenisasi, penghapusan stopword, dan stemming.
Model diuji dengan berbagai nilai parameter C pada kernel linear untuk menemukan
parameter terbaik. Hasil pengujian menunjukkan bahwa metode TF-IDF memberikan
performa terbaik dengan akurasi 85%, presisi 86%, dan F1-score 86%, sedangkan BoW
mencapai akurasi 84%, presisi 82%, dan F1-score 85%. Namun, BoW unggul dalam recall
sebesar 88%, dibandingkan TF-IDF yang mencapai 86%, menunjukkan keunggulannya
dalam mendeteksi ulasan positif. Penelitian ini membuktikan bahwa pemilihan metode
ekstraksi fitur dan teknik pra-pemrosesan data yang sesuai memiliki dampak terhadap
peningkatan performa model klasifikasi sentimen.
Kata kunci : Analisis Sentimen, Support Vector Machine , Halodoc, BoW, TF-IDF

Actions (login required)

View Item