Mustofa, Shodiq (2021) SENTIMEN ANALISIS MENGGUNAKAN SUPPORT VECTOR MACHINE (SVM) UNTUK PENGUKURAN PELAYANAN BLIBLI.COM MELALUI TWITTER. S1 - Sarjana thesis, Universitas AMIKOM Yogyakarta.
![[img]](https://eprints.amikom.ac.id//style/images/fileicons/text.png) |
Text (COVER-ABSTRAK)
COVER.pdf Download (536kB) |
|
Text (BAB I)
BAB I.pdf Download (306kB) |
|
Text (BAB II)
BAB II.pdf Restricted to Registered users only Download (740kB) |
|
Text (BAB III)
BAB III.pdf Restricted to Registered users only Download (1MB) |
|
Text (BAB IV)
BAB IV.pdf Restricted to Registered users only Download (411kB) |
|
Text (BAB V)
BAB V.pdf Download (59kB) |
|
Text (DAFTAR PUSTAKA)
Daftar Pustaka.pdf Download (103kB) |
![[img]](https://eprints.amikom.ac.id//style/images/fileicons/other.png) |
Other (SOURCE CODE)
Source Code - 16.11.0066 - Shodiq Mustofa - Shodiq Mustofa.rar Restricted to Repository staff only Download (347kB) |
|
Text (PUBLIKASI)
Publikasi - 16.11.0066 - Shodiq Mustofa - Shodiq Mustofa.pdf Restricted to Repository staff only Download (446kB) |
Abstract
Pada era yang sudah memasuki e-ommerce 4.0, masyarakat sudah bergantung dengan kemudahan untuk bisa melakukan transaksi secara daring. Hal ini ditandai dengan semakin banyaknya jumlah marketplace yang berkembang. Setiap marketplace mengunakan sosial media untuk menjangkau user secara langsung dan juga meningkatkan pelayanan. Salah satu sosial media yang biasa digunakan adalah twitter. Untuk menilai kualitas pelayanan bisa dilakukan dengan menilai komentar yang diberikan oleh pengguna dan diolah menggunakan algoritma Support Vector Machine. Algoritma Support Vector Machine merupakan salah satu metode pembelajaran mesin untuk melakukan klasifikasi. Klasifikasi dilakukan untuk mengelompokan data berdasarkan kelas yang ditentukan yaitu positif dan negatif. Nilai akurasi nantinya akan menjadi tolak ukur untuk mencari model pengujian terbaik. Pada proses analisis sentimen digunakan TF-IDF untuk melakukan pembobotan vector. vector berisi data twitter yang berisi teks yang akan diolah menggunakan algoritma Support Vector Machine. Tahap evaluasi pada penelitian ini menggunakan K-Fold Cross Validation dengan jumlah partisi data 10-fold. Hasil evalusi yang dilakukan menadaptkan nilai akurasi yang cukup baik yaitu sebesar 75.7%.
| Item Type: | Thesis (S1 - Sarjana) | ||
|---|---|---|---|
| Contributor: |
|
||
| Additional Information: | Analisis Sentimen, Klasifikasi, Support Vector Machine | ||
| Subjects: | 000 - Komputer, Informasi dan Referensi Umum > 000 Ilmu komputer, ilmu pengetahuan dan sistem-sistem > 000 Ilmu komputer, informasi dan pekerjaan umum 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: | 18 Jun 2022 03:12 | ||
| Last Modified: | 14 Aug 2023 03:46 | ||
| URI: | http://eprints.amikom.ac.id/id/eprint/1605 |
Actions (login required)
 |
View Item |