Silondae, Muh. Agil Setiawan (2024) ANALISIS SENTIMEN MASYARAKAT TERHADAP SISTEM APLIKASI PLN MOBILE MENGGUNAKAN METODE SUPPORT VECTOR MACHINE. S1 - Sarjana thesis, Universitas AMIKOM Yogyakarta.
![[img]](https://eprints.amikom.ac.id//style/images/fileicons/text.png) |
Text (COVER-ABSTRAK)
COVER.pdf Download (849kB) |
|
Text (BAB I)
BAB I.pdf Download (197kB) |
|
Text (BAB II)
BAB II.pdf Restricted to Registered users only Download (468kB) |
|
Text (BAB III)
BAB III.pdf Restricted to Registered users only Download (583kB) |
|
Text (BAB IV)
BAB IV.pdf Restricted to Registered users only Download (213kB) |
|
Text (BAB V)
BAB V.pdf Download (40kB) |
|
Text (DAFTAR PUSTAKA)
Daftar Pustaka.pdf Restricted to Registered users only Download (123kB) |
![[img]](https://eprints.amikom.ac.id//style/images/fileicons/archive.png) |
Archive (SOURCE CODE)
Sourcecode - Muh agil setiawan silondae.zip Restricted to Repository staff only Download (300kB) |
|
Text (PUBLIKASI)
Publikasi.pdf Restricted to Repository staff only Download (770kB) |
Abstract
Bertepatan dengan Hari Listrik Nasional ke-71, aplikasi PLN Mobile diluncurkan pada 31 Oktober 2016 di Kantor Pusat PLN di Jakarta. Diharapkan bahwa kehadiran aplikasi PLN Mobile akan meningkatkan kualitas layanan yang telah tersedia bagi masyarakat. Aplikasi ini juga memungkinkan masyarakat untuk mengetahui tentang penggunaan listrik, mulai dari mengetahui tentang pemadaman listrik hingga menyampaikan keluhan yang dialami saat menggunakan layanan PLN Mobile. PLN Mobile adalah aplikasi self-service ponsel pelanggan yang terintegrasi dengan Aplikasi Pengaduan dan Keluhan Pelanggan (APKT) dan Aplikasi Pelayanan Pelanggan Terpusat (AP2T). Aplikasi ini menawarkan data terpadu pelanggan dengan tingkat akurasi, keamanan data, dan validasi yang dapat dipertanggungjawabkan. Penelitian ini akan mengalisis sentiment pada aplikasi PLN Mobile menggunakan algoritma Support Vector Machine (SVM) yang bertujuan untuk mengetahui tanggapan dan review. Hasil dari Pengujian terhadap model klasifikasi Support Vector Machine dengan menggunakan TF-IDF dengan rasio 90:10 memiliki nilai akurasi tertinggi sebesar 98.55%, precision sebesar 98.52%, recall sebesar 98.52% dan F1-Score sebesar 98.55%.
| Item Type: | Thesis (S1 - Sarjana) | ||
|---|---|---|---|
| Contributor: |
|
||
| Uncontrolled Keywords: | Support Vector Machine, PLN MOBILE, Klasifikasi. | ||
| Subjects: | 000 - Komputer, Informasi dan Referensi Umum > 000 Ilmu komputer, ilmu pengetahuan dan sistem-sistem > 003 Sistem-sistem | ||
| Divisions: | Fakultas Ilmu Komputer > Informatika | ||
| Depositing User: | RC Universitas AMIKOM Yogyakarta | ||
| Date Deposited: | 25 Apr 2024 04:20 | ||
| Last Modified: | 25 Apr 2024 04:20 | ||
| URI: | http://eprints.amikom.ac.id/id/eprint/24917 |
Actions (login required)
 |
View Item |