MARITZA, Aretha Khansa (2025) Pembangunan Model Analisis Sentimen Ulasan Berbahasa Indonesia Menggunakan Support Vector Machine (Studi Kasus: Ulasan BRImo). Undergraduate thesis, UNDIP: Fakultas Sains dan Matematika.

	Text 1. COVER.pdf Download (123kB)
	Text 2. HALAMAN PERNYATAAN KEASLIAN SKRIPSI.pdf Download (168kB)
	Text 3. HALAMAN PENGESAHAN.pdf Download (184kB)
	Text 4. KATA PENGANTAR.pdf Download (531kB)
	Text 6. ABSTRAK.pdf Download (178kB)
	Text 7. ABSTRACT.pdf Download (152kB)
	Text 8. DAFTAR ISI.pdf Download (218kB)
	Text 11. BAB I PENDAHULUAN.pdf Download (263kB)

Abstract

ABSTRAK
Ulasan daring pada platform seperti Google Play Store merupakan sumber umpan balik
penting bagi perusahaan dalam mengevaluasi dan meningkatkan kualitas layanan digital.
Salah satu aplikasi yang banyak memperoleh ulasan adalah BRImo, aplikasi mobile banking
milik Bank Rakyat Indonesia (BRI) yang menyediakan berbagai layanan transaksi
keuangan. Ulasan pengguna aplikasi tersebut menunjukkan adanya beragam pengalaman
positif maupun negatif yang perlu dianalisis untuk memahami sentimen pengguna.
Penelitian ini bertujuan untuk membangun model analisis sentimen yang dapat digunakan
untuk mengklasifikasikan sentimen ulasan berbahasa Indonesia, menganalisis sentimen
pengguna terhadap aplikasi BRImo berdasarkan hasil klasifikasi, serta membandingkan
performa beberapa jenis kernel pada metode Support Vector Machine (SVM) untuk
menentukan kernel yang paling sesuai agar model yang dihasilkan optimal. Dataset yang
digunakan setelah melalui proses undersampling terdiri atas 108 ulasan berbahasa Indonesia
yang terbagi atas 54 data positif dan 54 data negatif. Metode pembobotan yang digunakan
adalah Term Frequency–Inverse Document Frequency (TF-IDF). Klasifikasi sentimen
dilakukan menggunakan Support Vector Machine (SVM) dengan pengujian tiga jenis kernel
yaitu Kernel Linear, Kernel RBF, dan Kernel Polynomial. Hasil penelitian menunjukkan
bahwa Kernel Linear dan RBF memiliki performa yang identik, dengan akurasi sebesar 0,95,
recall sebesar 0,89, precision sebesar 0,89, dan f1-score sebesar 0,89. Kernel Polynomial
memberikan performa terbaik dengan akurasi sebesar 0,96, recall sebesar 0,86, precision
sebesar 0,98, dan f1-score sebesar 0,91.
Kata kunci : Analisis Sentimen, BRImo, Support Vector Machine, Kernel, TF-IDF

Actions (login required)

View Item