PERBANDINGAN ALGORITMA SUPPORT VECTOR MACHINE (SVM) DAN NAIVE BAYES CLASSIFIER DALAM ANALISIS SENTIMEN TERHADAP PENERAPAN APLIKASI MYPERTAMINA PADA MEDIA SOSIAL TWITTER

Istiqomah, Fadillah Nur (2023) PERBANDINGAN ALGORITMA SUPPORT VECTOR MACHINE (SVM) DAN NAIVE BAYES CLASSIFIER DALAM ANALISIS SENTIMEN TERHADAP PENERAPAN APLIKASI MYPERTAMINA PADA MEDIA SOSIAL TWITTER. S1 - Sarjana thesis, Universitas AMIKOM Yogyakarta.

	Text (COVER-ABSTRAK) COVER.pdf Download (866kB)
	Text (BAB I) BAB I.pdf Download (330kB)
	Text (BAB II) BAB II.pdf Restricted to Registered users only Download (1MB)
	Text (BAB III) BAB III.pdf Restricted to Registered users only Download (578kB)
	Text (BAB IV) BAB IV.pdf Restricted to Registered users only Download (1MB)
	Text (BAB V) BAB V.pdf Download (79kB)
	Text (DAFTAR PUSTAKA-LAMPIRAN) Daftar Pustaka dan Lampiran.pdf Restricted to Registered users only Download (213kB)
	Archive (SOURCE CODE) Source Code 19.11.3058 Fadillah Nur Istiqomah.zip Restricted to Repository staff only Download (320kB)
	Text (PUBLIKASI) Publikasi.pdf Restricted to Repository staff only Download (514kB)

Abstract

Aplikasi MyPertamina adalah aplikasi layanan keuangan digital dari Pertamina dan Badan Usaha Milik Negara (BUMN) yang digunakan untuk pembayaran bahan bakar minyak secara non-tunai di Stasiun Pengisian Bahan Bakar Umum (SPBU) Pertamina. Baru – baru ini, pihak Pertamina membuat kebijakan baru tentang penggunaan aplikasi MyPertamina menjadi aplikasi wajib bagi kendaraan bermotor yang memenuhi regulasi. Hal ini tentu menimbulkan banyak opini dari masyarakat terutama yang terdampak kebijakan ini. Banyak orang mulai berkomentar dan melakukan protes tentang kebijakan di beberapa jejaring sosial, salah satunya Twitter. Twitter adalah salah satu layanan jejaring sosial yang saat ini banyak digunakan oleh masyarakat seluruh dunia. Para pengguna menyampaikan komentar, pendapat dan protes mereka terhadap isu yang sedang hangat melalui cuitan tweet akun mereka. Proses analisis sentimen dari pendapat tentang aplikasi MyPertamina dapat dimulai dengan crawling data dari tweet (post dalam twitter) yang ditulis oleh pengguna. Setelah proses crawling berhasil mendapatkan data sesuai keinginan, akan dilakukan pre-processing. Selanjutnya, proses modelling akan dilakukan dengan penerapan algoritma Support Vector Machine (SVM) dan Naïve Bayes Classifier dan Confusion Matrix untuk mengetahui perbandingan performa dua algoritma yang digunakan. Output dari model berupa nilai akurasi, presisi, dan recall akan ditampilkan dalam bentuk grafik untuk mempermudah pembacaan hasil. Penelitian ini menggunakan dataset hasil crawling cuitan (tweet) pada media sosial twitter dengan kata kunci ‘mypertamina’ sebanyak 2500 data yang merupakan tulisan pengguna twitter dalam kurun waktu mulai dari 15 juni hingga 25 juli 2022. Hasil dari proses crawling tersebut kemudian dilakukan proses labelling dengan 2 label yaitu kelas sentimen negatif dan kelas sentimen positif. Perbandingan jumlah data negatif dan positif tidak seimbang, biasa disebut imbalanced data. Sebanyak 1499 data dengan label negative dan 1001 data dengan label positive tersebut akan dilakukan proses SMOTE (Synthetic Minority Oversampling Technique) agar data menjadi seimbang. Dari proses modelling yang dilakukan dengan pembagian 10% data test dan 90% data training, dihasilkan akurasi dengan algoritma Support Vector Machine (SVM) sebesar 84.8% sedangkan dengan algoritma Bernoulli Naïve Bayes sebesar 79.2%.

Actions (login required)

View Item