ANALISIS SENTIMEN PADA REVIEW SESTYC MENGGUNAKAN METODE SUPPORT VECTOR MACHINE, NAIVE BAYES, DAN LOGISTIC REGRESSION

Hasan S J, Muhammad (2022) ANALISIS SENTIMEN PADA REVIEW SESTYC MENGGUNAKAN METODE SUPPORT VECTOR MACHINE, NAIVE BAYES, DAN LOGISTIC REGRESSION. S1 - Sarjana thesis, Universitas AMIKOM Yogyakarta.

[img] Text (COVER-ABSTRAK)
COVER.pdf
Download (693kB)
[img] Text (BAB I)
BAB I.pdf
Download (185kB)
[img] Text (BAB II)
BAB II.pdf
Restricted to Registered users only
Download (898kB)
[img] Text (BAB III)
BAB III.pdf
Restricted to Registered users only
Download (217kB)
[img] Text (BAB IV)
BAB IV.pdf
Restricted to Registered users only
Download (719kB)
[img] Text (BAB V)
BAB V.pdf
Download (56kB)
[img] Text (DAFTAR PUSTAKA)
Daftar Pustaka.pdf
Restricted to Registered users only
Download (116kB)
[img] Other (SOURCE CODE)
Source Code 17.11.1523 Muhammad Hasan S J.rar
Restricted to Repository staff only
Download (400kB)
[img] Text (PUBLIKASI)
Publikasi 17.11.1523 Muhammad Hasan S J.pdf
Restricted to Repository staff only
Download (530kB)

Abstract

Pertumbuhan pengguna internet di Indonesia mengalami pertambahan yang sangat tinggi setiap tahunya, dengan meningkatnya pengguna internet di Indonesia juga mengakibatkan banyaknya masyrakat yang menggunakan media sosial. Sestyc merupakan aplikasi media sosial yang dibuat oleh sekelompok anak milineal di Indonesia. penelitian ini dilakukan untuk menganalisis sentimen pengguna sestyc menggunakan data teks berupa review yang diperoleh dari google play store. Tujuan dilakukan penelitian ini untuk menganalis sentimen terhadap aplikasi sestyc serta menemukan algoritma terbaik dalam mengklasifikasi sentimen. Algoritma yang digunakan dalam menganalisis sentimen pada penelitian ini terdiri dari Support Vector Machine, Logistic regression, dan Naive Bayes. Hasil pelabelan kelas sentimen pada data review sestyc diperoleh 8000 review dengan jumlah review positif sebanyak 4719 dan review negatif sebanyak 3281. Hasil dari penelitian ini menunjukan bahwa algoritma Support Vector Machine memiliki nilai akurasi paling tinggi dibandingkan dengan algoritma lainya, dimana Support Vector Machine mendapatkan nilai akurasi sebesar 87,81%.

Item Type: Thesis (S1 - Sarjana)
Contributor:
Pembimbing
Satya, Barka
Uncontrolled Keywords: Analisis Sentimen, Sestyc, Support Vector Machine, Naive Bayes, Logistic Regression
Subjects: 000 - Komputer, Informasi dan Referensi Umum > 000 Ilmu komputer, ilmu pengetahuan dan sistem-sistem > 004 Pemrosesan data dan ilmu komputer
Divisions: Fakultas Ilmu Komputer > Informatika
Depositing User: RC Universitas AMIKOM Yogyakarta
Date Deposited: 01 Feb 2023 06:05
Last Modified: 28 Jul 2023 07:09
URI: http://eprints.amikom.ac.id/id/eprint/15705

Actions (login required)

View Item View Item