PARANPARA, Farah Tisti (2024) Analisis Sentimen Terhadap Fasilitas TransJakarta Pada Media Sosial Twitter Menggunakan Metode Support Vector Machine. Undergraduate thesis, UNDIP: Fakultas Sains dan Matematika.

	Text 1. COVER.pdf Download (45kB)
	Text 3. HALAMAN PENGESAHAN.pdf Download (760kB)
	Text 4. ABSTRAK.pdf Download (7kB)
	Text 5. ABSTRACT.pdf Download (8kB)
	Text 6. KATA PENGANTAR.pdf Download (77kB)
	Text 8. DAFTAR ISI.pdf Download (27kB)
	Text 12. BAB I PENDAHULUAN.pdf Download (97kB)
	Text 17. DAFTAR PUSTAKA.pdf Download (154kB)

Abstract

TransJakarta merupakan sebuah sistem Bus Rapid Transit (BRT) yang telah beroperasi sejak
15 Januari 2004 dengan tujuan untuk melayani kebutuhan mobilitas yang cepat, nyaman,
dan terjangkau bagi masyarakat Jakarta. Penyediaan transportasi umum TransJakarta
dimaksudkan sebagai solusi untuk masalah kemacetan di Jakarta. Meskipun kebijakan
tersebut telah diterapkan, tingkat kemacetan di Jakarta hingga saat ini masih tinggi.
Pandangan terhadap fasilitas TransJakarta yang tidak memberikan kenyamanan dan
keamanan bagi penumpang menjadi salah satu faktor masyarakat masih enggan
menggunakan transportasi umum. Hal ini tercermin dalam contoh respon pengguna terhadap
fasilitas TransJakarta yang dapat dilihat pada media sosial Twitter, di mana mereka dapat
memposting cuitan atau tweet secara real-time. Analisis sentimen dilakukan untuk
mengklasifikasikan emosi pengguna ke dalam kelas opini positif atau negatif dengan
mengumpulkan tweet mengenai fasilitas TransJakarta. Hasil dari analisis sentimen kemudian
dapat digunakan untuk bahan evaluasi dan inovasi PT TransJakarta supaya terus
mengembangkan fasilitas mereka. Metode yang dipilih untuk analisis sentimen adalah
Support Vector Machine dengan pengujian tiga jenis kernel yaitu Kernel Linear, Kernel
RBF, dan Kernel Polynomial. Penelitian ini dilakukan untuk membandingkan hasil
klasifikasi terbaik dari ketiga kernel dengan bantuan grid search untuk mencari set
parameter terbaik. Hasil penelitian menunjukkan bahwa kernel RBF memiliki performa
paling optimal dalam analisis sentimen tweet fasilitas TransJakarta dengan set parameter
terbaik yaitu nilai C = 10 dan gamma = 1. Kernel RBF mencapai akurasi, presisi, recall, dan
f1-score terbaik berturut-turut sebesar 95%, 89%, 100%, dan 94% dalam mengklasifikasi
sentimen positif dan negatif.
Kata Kunci : Analisis Sentimen, Fasilitas, TransJakarta, Support Vector Machine, Kernel

Actions (login required)

View Item