IMPLEMENTASI ALGORITMA SUPPORT VECTOR MACHINE UNTUK ANALISIS SENTIMEN PENGGUNA TWITTER TERHADAP PELAYANAN TELKOM DAN BIZNET

Haranto, Fadholi Fat (2019) IMPLEMENTASI ALGORITMA SUPPORT VECTOR MACHINE UNTUK ANALISIS SENTIMEN PENGGUNA TWITTER TERHADAP PELAYANAN TELKOM DAN BIZNET. S1 - Sarjana thesis, Universitas AMIKOM Yogyakarta.

	Text (COVER-ABSTRAK) COVER-ABSTRAK.pdf Download (2MB)
	Text (BAB I) BAB I.pdf Download (1MB)
	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 (5MB)
	Text (BAB IV) BAB IV.pdf Restricted to Registered users only Download (3MB)
	Text (BAB V) BAB V.pdf Download (349kB)
	Text (DAFTAR PUSTAKA-LAMPIRAN) DAFTAR PUSTAKA-LAMPIRAN.pdf Restricted to Registered users only Download (2MB)

Abstract

Sosial media merupakan suatu media yang dapat digunakan untuk berekspresi oleh penggunanya. Twitter merupakan salah satu sosial media yang banyak digunakan di Indonesia, pengguna twitter dapat berekspresi dan beraspirasi tanpa adanya batasan. Tweet yang berupa ekspresi dan aspirasi yang ditulis oleh pengguna twitter dapat digunakan untuk ulasan sebuah produk atau layanan. Pada skripsi ini, peneliti menggunakan teknik text mining menggunakan algoritma Support Vector Machine untuk analisis sentimen pengguna twitter terhadap pelayanan Telkom dan Biznet. Data yang digunakan pada analisis sentimen ini adalah data yang berkaitan dengan pelayanan Telkom dan Biznet, jumlah dataset yang digunakan adalah 500 tweet yang berasal dari crawling data twitter, terdapat 250 tweet yang dijadikan dataset pada masing-masing objek, dari 250 tweet dataset Telkom tedapat 103 tweet positif dan 147 tweet negatif, serta 250 tweet dataset Biznet terdapat 88 tweet positif dan 162 tweet negatif. Data tersebut nantinya akan digunakan untuk data training dan data testing dalam proses pembuatan model menggunakan algorima Support Vector Machine. Metode yang digunakan untuk penevjian model adalah Confusion Matrix serta K-Fold Cross Validation sebagai metode untuk membagi data training dan data testing sesuai lipatan yang digunakan. Hasil pengujian yang diperoleh menggunakan metode K-Fold Cross Validation dan Confusion Matrix pada model yang dibuat menggunakan algoritma Support Vector Machine yang menghasilkan nilai accuracy, precision, recall, dan F1-Score sebesar 79,6%, 76,5%, 72,8%, dan 74,6% untuk Telkom, serta 83,2%, 78,8%, 71,6%, dan 75% untuk Biznet. Peneliti menyarankan menggunakan atau menambah metode lain untuk mendapatkan kinerja model yang lebih baik.

Actions (login required)

View Item