SENTIMEN ANALISIS PENGGUNA APLIKASI BNI MOBILE MENGUNAKAN ALGORITMA K-NEARET NEIGHBOR (KNN) DENGAN SELEKSI FITUR PARTICLE SWARM OPTIMIZATION (PSO)

Lakoro, Dewi Yustika (2024) SENTIMEN ANALISIS PENGGUNA APLIKASI BNI MOBILE MENGUNAKAN ALGORITMA K-NEARET NEIGHBOR (KNN) DENGAN SELEKSI FITUR PARTICLE SWARM OPTIMIZATION (PSO). S2 - Magister thesis, Universitas AMIKOM Yogyakarta.

Text (THESIS) 20.51.1325 Dewi Yustika Lakoro.pdf Download (4MB)

Abstract

Analisis sentimen adalah bidang studi menganalisis pendapat, sentimen, evaluasi, sikap dan emosi terhadap entitas seperti produk, layanan, organisasi, individu, masalah, acara, film dan topik. Analisis sentiment dulu berhasil digunakan sebelumnya di berbagai bidang, seperti rating film, rating layanan, rating produk, dll. dan baru-baru ini mendapatkan popularitas di bidang ekonomi kuhusunya pada aplikasi e-comerce. Saat ini industri perbankan melakukan berbagai inovasi keuangan yaitu mengalihkan focus mereka dari perbankan tradisional ke perbankan berbasis teknologi untuk memenuhi kebutuhan nasabah serta untuk meningkatkan daya saing. Mobile banking adalah salah satu dari inovasi tersebut. Tanggapan dalam penggunaan pada aplikasi mobile banking ini masuk setiap harinya dengan jumlah tanggapan sebanyak ratusan sehingga tanggapan tersebut sulit untuk dipilah menjadi tanggapan yang termasuk positif atau termasuk tanggapan yang negatif. Penelitian ini menggunakan data privat yang merupakan komentar aplikasi BNI Mobile banking yang ada pada aplikasi playstore. Data yang ada kemudian akan di lakukan preprocessing dengan melakukan beberapa tahapan, yaitu berawal dari tokenisasi, stemming, stopword removal dan di lakukan Term Frequency Inverse Document Frequency (TF-IDF). Proses awal yang di lakukan dalam klasifikasi adalah menerima inputan data komentar kemudian di lakukan proses preprocessing, kemudian dimasukan pada model klasifikasi, metode klasifikasi yang di gunakan adalah K-Nearest Neighbor dengan optimasi particle swarm Optimization dan terakhir adalah hasil yang di keluarkan adalah akurasi dari metode yang di gunakan. Setelah itu peneliti melakukan optimasi menggunakan salah satu algoritma optimasi yakni PSO dengan mengkombinasikan dengan KNN atau disebut KNN-PSO mendapatkan akurasi sebesar 92.33% atau hanya memiliki error 7.67%. Jika dilihat dari jumlah data berhasil melakukan klasifikasi sebanyak 277 data, dalam artian hanya memiliki 23 error atau data yang tidak berhasil diklasifikasikan dengan baik.

Actions (login required)

View Item