IMPLEMENTASI SUPPORT VECTOR MACHINE (SVM) UNTUK ANALISIS SENTIMEN PENGGUNA TWITTER TERHADAP PENYEDIA JASA INTERNET

Wijaya, Boy Candra (2024) IMPLEMENTASI SUPPORT VECTOR MACHINE (SVM) UNTUK ANALISIS SENTIMEN PENGGUNA TWITTER TERHADAP PENYEDIA JASA INTERNET. S1 - Sarjana thesis, Universitas AMIKOM Yogyakarta.

	Text (COVER-ABSTRAK) COVER.pdf Download (1MB)
	Text (BAB I) BAB I.pdf Download (263kB)
	Text (BAB II) BAB II.pdf Restricted to Registered users only Download (772kB)
	Text (BAB III) BAB III.pdf Restricted to Registered users only Download (564kB)
	Text (BAB IV) BAB IV.pdf Restricted to Registered users only Download (1MB)
	Text (BAB V) BAB V.pdf Download (43kB)
	Text (DAFTAR PUSTAKA) Daftar Pustaka.pdf Restricted to Registered users only Download (193kB)
	Archive (SOURCE CODE) Sourcecode - 17.11.1378.zip Restricted to Repository staff only Download (5kB)
	Text (PUBLIKASI) Publikasi.pdf Restricted to Repository staff only Download (803kB)

Abstract

Penelitian ini berfokus pada analisis sentimen pengguna Twitter terhadap tiga penyedia layanan internet rumah utama di Indonesia: Indihome, Biznet, dan XL Home. Seiring dengan peningkatan kebutuhan internet di rumah, kepuasan pelanggan terhadap layanan yang diberikan menjadi krusial bagi penyedia layanan. Banyaknya opini yang beredar di media sosial seperti Twitter sering kali tidak diolah dengan baik, sehingga perusahaan tidak dapat secara efektif memahami kepuasan dan keluhan pelanggan mereka.Oleh karena itu, diperlukan analisis sentimen untuk mengklasifikasikan opini pengguna sebagai positif atau negatif, yang dapat memberikan wawasan berharga bagi perusahaan dalam upaya meningkatkan kualitas layanan dan merespons keluhan dengan lebih baik. Untuk menyelesaikan masalah ini, penelitian menggunakan metode Support Vector Machine (SVM) dalam klasifikasi sentimen. Data diambil dari Twitter pada tanggal 15 Juni 2024, dan melalui serangkaian proses text preprocessing yang meliputi case folding, text cleaning, tokenizing, normalisasi, stopword removal, dan stemming. Setelah itu, data diolah menggunakan metode Term Frequency-Inverse Document Frequency (TF-IDF) untuk menilai bobot masing-masing kata dalam teks. Algoritma SVM kemudian digunakan untuk mengklasifikasikan sentimen tweet menjadi positif atau negatif. Proses ini dilaksanakan menggunakan Python 3 dan Google Colab untuk mengoptimalkan pengolahan data dan analisis sentimen. Hasil penelitian menunjukkan bahwa metode SVM sangat efektif dalam mengklasifikasikan sentimen positif dan negatif dari tweet pengguna terhadap ketiga penyedia layanan internet tersebut. Penelitian ini bermanfaat bagi penyedia layanan internet, peneliti dalam bidang analisis sentimen, dan pengambil keputusan yang ingin memahami opini publik mengenai layanan internet rumah di Indonesia. Dengan pemahaman yang lebih baik tentang sentimen pelanggan, penyedia layanan dapat membuat keputusan yang lebih tepat untuk meningkatkan kepuasan dan loyalitas pelanggan.

Actions (login required)

View Item