ANALISIS SENTIMEN MENGGUNAKAN CLASSIFIER SVM KERNEL RBF DAN PENDEKATAN ENSAMBLE LEARNING DENGAN RANDOM FOREST

Ningsih, Ririn Harti (2024) ANALISIS SENTIMEN MENGGUNAKAN CLASSIFIER SVM KERNEL RBF DAN PENDEKATAN ENSAMBLE LEARNING DENGAN RANDOM FOREST. S1 - Sarjana thesis, Universitas AMIKOM Yogyakarta.

	Text (COVER-ABSTRAK) COVER.pdf Download (958kB)
	Text (BAB I) BAB I.pdf Download (245kB)
	Text (BAB II) BAB II.pdf Restricted to Registered users only Download (488kB)
	Text (BAB III) BAB III.pdf Restricted to Registered users only Download (476kB)
	Text (BAB IV) BAB IV.pdf Restricted to Registered users only Download (1MB)
	Text (BAB V) BAB V.pdf Download (95kB)
	Text (DAFTAR PUSTAKA) Daftar Pustaka.pdf Restricted to Registered users only Download (107kB)
	Archive (SOURCE CODE) Sourcecode - Ririn Harti Ningsih .zip Restricted to Repository staff only Download (3MB)
	Text (PUBLIKASI) Publikasi.pdf Restricted to Repository staff only Download (739kB)

Abstract

Banyaknya Perusahaan diindonesia yang bergerak pada bidang fintech. Salah satu aplikasi yang memiliki banyak peminat diindonesia adalah Aplikasi Dana. Tetapi,dibalik keberhasilan aplikasi dana sendiri tentu saja memiliki Tingkat kepuasan berbeda pada pengguna dan pengalaman yang berbeda.Sehingga ulasan yang ada pada Google Playstore memiliki ulasan positif,negative,dan netral .Ulasan tersebut juga merupakan hal penting untuk perkembangan aplikasi kedepannya. Penelitian ini menggunakan algoritma SVM Rbf dan Random Forest untuk analisis sentiment data ulasan Aplikasi Dana yang didapat dari hasil scraping Google Play Store.Dataset tersebut di lakukan labeling untuk mempermudah mepreprocessing dataset dengan casefolding,data cleaning, tokenizing,stop Removal, steamming ,dan SMOTE. Kemudian menggunakan teknik split data dengan menggunakan dua cara untuk melihat perbandingan pada metode K-Fold Cross Validation algoritma SVM Rbf mendapatkan niali rata-rata akurasi fold 74% sedangkan untuk split data rasio 80:20 mendapatkan akurasi 94% sedangkan, algoritma Random Forest pada metode K-Fold Cross Validation mendapatkan nilai rata-rata akurasi 75% dan pada split data rasio 80:20 mendapatkan akurasi 95%. Dengan ini menyatakan bahwa Random Forest berkerja lebih baik untuk analisis sentiment ulasan Dana pada Google Play Store dikarenakan pada penelitian dengan menggunakan metode split data yang berbeda nilai rata-rata akurasi Random Forest lebih tinggi di bandingkan oleh algoritma SVM Rbf.

Actions (login required)

View Item