KOMPARASI ALGORITMA NAIVE BAYES DAN SUPPORT VECTOR MECHINE MENGGUNAKAN LABELING LEXICON DAN LABELING MANUAL PADA ULASAN APLIKASI KAI ACCESS BY KAI

Maulana, Rifky Akbar (2024) KOMPARASI ALGORITMA NAIVE BAYES DAN SUPPORT VECTOR MECHINE MENGGUNAKAN LABELING LEXICON DAN LABELING MANUAL PADA ULASAN APLIKASI KAI ACCESS BY KAI. S1 - Sarjana thesis, Universitas AMIKOM Yogyakarta.

	Text (COVER-ABSTRAK) COVER.pdf Download (1MB)
	Text (BAB I) BAB I.pdf Download (233kB)
	Text (BAB II) BAB II.pdf Restricted to Registered users only Download (621kB)
	Text (BAB III) BAB III.pdf Restricted to Registered users only Download (435kB)
	Text (BAB IV) BAB IV.pdf Restricted to Registered users only Download (1MB)
	Text (BAB V) BAB V.pdf Download (80kB)
	Text (DAFTAR PUSTAKA) Daftar Pustaka.pdf Restricted to Registered users only Download (76kB)
	Archive (SOURCE CODE) Sourcecode - 20.11.3627.zip Restricted to Repository staff only Download (4MB)
	Text (PUBLIKASI) Publikasi.pdf Restricted to Repository staff only Download (797kB)

Abstract

Perkembangan teknologi yang pesat telah mengubah cara bisnis dan layanan berkomunikasi dengan pelanggan mereka. Salah satunya adalah aplikasi KAI Access yang diluncurkan oleh PT. KAI untuk memudahkan konsumen dalam memesan tiket. Namun, banyak sekali review negatif terhadap aplikasi tersebut di google playstore. dibalik keberhasilan aplikasi KAI ACCESS sendiri tentu saja memiliki Tingkat kepuasan berbeda pada pengguna dan pengalaman yang berbeda. Sehingga ulasan yang ada pada Google Playstore memiliki ulasan positif, negative. Ulasan tersebut juga merupakan hal penting untuk perkembangan aplikasi kedepannya. Penelitian ini menggunakan algoritma Naïve Bayes dan SVM untuk analisis sentiment data ulasan aplikasi KAI ACCESS yang didapat dari hasil scraping Google Play Store. Dataset yang dikumpulkan diberi label menggunakan pendekatan Lexicon dan manual untuk mempermudah preprocessing dataset dengan casefolding, data cleaning, tokenizing, stop Removal, steamming. Kemudian data dibagi menggunakan teknik K-Fold Cross Validation untuk membandingkan performa algoritma SVM dan Naïve Bayes. Hasil penelitian menunjukkan bahwa Naïve Bayes mencapai akurasi rata-rata 68,88% dan SVM mencapai 73,95% ketika menggunakan pelabelan Lexicon. Sementara itu, dengan pelabelan manual, Naïve Bayes mencapai akurasi 77,65%, sedangkan SVM mencapai 81,23%. Hal ini menunjukkan bahwa SVM bekerja lebih baik dalam analisis sentimen ulasan aplikasi KAI Access pada Google Play Store, baik dengan menggunakan pelabelan Lexicon maupun manual, karena nilai rata-rata akurasi SVM lebih tinggi dibandingkan dengan Naïve Bayes.

Actions (login required)

View Item