ANALISIS SENTIMEN TERHADAP TINGKAT KEPUASAN PENGGUNA LAYANAN PEMESANAN TIKET PESAWAT DAN HOTEL TRAVELOKA PADA TWITTER MENGGUNAKAN ALGORITMA SUPPORT VECTOR MACHINE (SVM)

Gunawan, Arif (2022) ANALISIS SENTIMEN TERHADAP TINGKAT KEPUASAN PENGGUNA LAYANAN PEMESANAN TIKET PESAWAT DAN HOTEL TRAVELOKA PADA TWITTER MENGGUNAKAN ALGORITMA SUPPORT VECTOR MACHINE (SVM). S1 - Sarjana thesis, Universitas AMIKOM Yogyakarta.

[img] Text (COVER-ABSTRAK)
COVER.pdf
Download (637kB)
[img] Text (BAB I)
BAB I.pdf
Download (190kB)
[img] Text (BAB II)
BAB II.pdf
Restricted to Registered users only
Download (469kB)
[img] Text (BAB III)
BAB III.pdf
Restricted to Registered users only
Download (1MB)
[img] Text (BAB IV)
BAB IV.pdf
Restricted to Registered users only
Download (451kB)
[img] Text (BAB V)
BAB V.pdf
Download (49kB)
[img] Text (DAFTAR PUSTAKA)
Daftar Pustaka.pdf
Restricted to Registered users only
Download (99kB)
[img] Other (SOURCE CODE)
Source Code 16.11.0071 Arif Gunawan.rar
Restricted to Repository staff only
Download (5MB)
[img] Text (PUBLIKASI)
Publikasi 16.11.0071 Arif Gunawan.pdf
Restricted to Repository staff only
Download (561kB)

Abstract

Dalam era digital seperti yang terjadi saat ini, teknologi memiliki peran penting dalam perancangan produk dan layanan yang berbasis digital. Teknologi berbasis digital dapat ditemui pada setiap aspek kehidupan masyarakat. Saat ini banyak media digital yang memanfaat teknologi digital untuk memudahkan manusia mencari informasi dan berkomunikasi. Untuk mengukur kualitas layanan yang diberikan salah satunya adalah dengan menilai komentar-komentar yang diberikan pengguna di media sosial twitter. Algoritma Support Vector Machine (SVM) merupakan salah satu metode klasifikasi dengan menggunakan metode pembelajaran mesin (supervised learning) yang memprediksi kelas berdasarkan pola dari hasil proses training yang diciptakan. Klasifikasi dilakukan dengan membuat garis pembatas (hyperlane) yang memisahkan antara kelas yang ditentukan yaitu positif dan negatif. Tingkat akurasi dan keberhasilan SVM ditentukan oleh kualitas dan kuantitas dataset yang digunakan pada saat training dan kernel yang digunakan. Kernel linear pada SVM baik digunakan untuk memisahkan data yang bersifat linear seperti sentimen positif dan negatif. Hasil dari proses kalsifikasi ini nantinya akan menghasilkan sebuah model persamaan yang digunakan untuk menentukan apakah sebuah data twitter digolongkan negatif atau positif. Setelah dilakukan evaluasi terhadap data uji, akurasi SVM dalam penelitian ini cukup baik yaitu mencapai 90%. Selanjutnya dilakukan pengujian dengan metode K-Fold Cross Validation dan diperoleh ratarata tingkat akurasi sebesar 95%.

Item Type: Thesis (S1 - Sarjana)
Contributor:
Pembimbing
Dahlan, Akhmad
Uncontrolled Keywords: Analisis Sentimen, Data mining, Support Vector Machine, Traveloka, Hyperplane
Subjects: 000 - Komputer, Informasi dan Referensi Umum > 000 Ilmu komputer, ilmu pengetahuan dan sistem-sistem > 004 Pemrosesan data dan ilmu komputer
000 - Komputer, Informasi dan Referensi Umum > 000 Ilmu komputer, ilmu pengetahuan dan sistem-sistem > 005 Pemrograman komputer, program dan data
Divisions: Fakultas Ilmu Komputer > Informatika
Depositing User: RC Universitas AMIKOM Yogyakarta
Date Deposited: 30 Dec 2022 06:59
Last Modified: 29 Jul 2023 01:35
URI: http://eprints.amikom.ac.id/id/eprint/13905

Actions (login required)

View Item View Item