Saprianto, Adi (2024) PERBANDINGAN LABELING DALAM ANALISIS SENTIMEN KOMENTAR PENGGUNA APLIKASI GOJEK DI PLATFORM GOOGLE PLAY STORE. S1 - Sarjana thesis, Universitas AMIKOM Yogyakarta.
![[img]](https://eprints.amikom.ac.id//style/images/fileicons/text.png) |
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 (683kB) |
|
Text (BAB III)
BAB III.pdf Restricted to Registered users only Download (181kB) |
|
Text (BAB IV)
BAB IV.pdf Restricted to Registered users only Download (1MB) |
|
Text (BAB V)
BAB V.pdf Download (48kB) |
|
Text (DAFTAR PUSTAKA-LAMPIRAN)
Daftar Pustaka dan Lampiran.pdf Restricted to Registered users only Download (591kB) |
![[img]](https://eprints.amikom.ac.id//style/images/fileicons/archive.png) |
Archive (SOURCE CODE)
Sourcecode - 20.11.3614.zip Restricted to Repository staff only Download (1MB) |
|
Text (PUBLIKASI)
Publikasi.pdf Restricted to Repository staff only Download (806kB) |
Abstract
Gojek merupakan aplikasi ojek online yang didirikan oleh Nadiem Makarim pada tahun 2010. Gojek berada pada urutan pertama aplikasi transportasi online terbanyak di unduh di RI 2023, dengan rata-rata 957 ribu unduhan perbulan dari pengguna smartphone. hal tersebut tidak bisa dijadikan tolak ukur untuk menilai kepuasan pengguna. Pengguna menyampaikan semua keluhan di kolom komentar yang disediakan oleh Google Play Store. diperlukan penelitian yang bertujuan untuk mengkategorikan komentar tersebut menjadi komentar positif dan negatif. Salah satu cara yang dapat digunakan untuk mengkategorikan komentar tersebut adalah dengan menerapkan analisis sentimen pada komentar aplikasi Gojek di Google Play Store. Dalam penelitian ini menggunakan kernel trick dari algoritma Support Vector Machine. Kernel digunakan untuk menganalisis sentimen dengan membandingkan pelabelan manual dengan pelabelan TextBlob. menggunakan metode scraping untuk mengumpulkan dataset sebanyak 1500 data komentar pengguna aplikasi Gojek. Dataset tersebut kemudian di labeli menjadi komentar positif dan komentar negatif supaya lebih mudah dalam melakukan preprocesing. Tahap selanjutnya melakukan EDA (Exploratory Data Analysis), word cloud, pembagian data, Extrasi fitur TF-IDF, dan SMOTE (Synthetic minority oversampling technique). Hasil dari pengujian yaitu pada metode Pelabelan TextBlob, kernel dengan akurasi terbesar adalah kernel Linear sebesar 85,47%, Sedangkan pada pelabelan manual nilai akurasi terbesar pada kernel Linear dengan akurasi sebesar 83,38%
| Item Type: | Thesis (S1 - Sarjana) | ||
|---|---|---|---|
| Contributor: |
|
||
| Uncontrolled Keywords: | Gojek, Sentimen, SVM, Kernel, SMOTE | ||
| Subjects: | 000 - Komputer, Informasi dan Referensi Umum > 000 Ilmu komputer, ilmu pengetahuan dan sistem-sistem > 004 Pemrosesan data dan ilmu komputer 000 - Komputer, Informasi dan Referensi Umum > 000 Ilmu komputer, ilmu pengetahuan dan sistem-sistem > 005 Pemrograman komputer, program dan data |
||
| Divisions: | Fakultas Ilmu Komputer > Informatika | ||
| Depositing User: | RC Universitas AMIKOM Yogyakarta | ||
| Date Deposited: | 18 Mar 2025 04:39 | ||
| Last Modified: | 18 Mar 2025 04:39 | ||
| URI: | http://eprints.amikom.ac.id/id/eprint/28913 |
Actions (login required)
 |
View Item |
