ANALISIS SENTIMEN PERSEPSI MASYARAKAT TERHADAP PO ROSALIA INDAH MENGGUNAKAN ALGORITMA K-NEAREST NEIGHBORS (KNN) DAN SUPPORT VECTOR MACHINE (SVM)

Pratama, Ardhiansa (2025) ANALISIS SENTIMEN PERSEPSI MASYARAKAT TERHADAP PO ROSALIA INDAH MENGGUNAKAN ALGORITMA K-NEAREST NEIGHBORS (KNN) DAN SUPPORT VECTOR MACHINE (SVM). S1 - Sarjana thesis, Universitas AMIKOM Yogyakarta.

	Text (COVER-ABSTRAK) COVER.pdf Download (1MB)
	Text (BAB I) BAB I.pdf Download (189kB)
	Text (BAB II) BAB II.pdf Restricted to Registered users only Download (631kB)
	Text (BAB III) BAB III.pdf Restricted to Registered users only Download (288kB)
	Text (BAB IV) BAB IV.pdf Restricted to Registered users only Download (698kB)
	Text (BAB V) BAB V.pdf Download (76kB)
	Text (DAFTAR PUSTAKA-LAMPIRAN) Daftar Pustaka dan Lampiran.pdf Restricted to Registered users only Download (202kB)
	Archive (SOURCE CODE) Sourcecode - 20.11.3488.zip Restricted to Repository staff only Download (352kB)
	Text (PUBLIKASI) Publikasi.pdf Restricted to Repository staff only Download (775kB)

Abstract

Penelitian ini bertujuan untuk menganalisis sentimen masyarakat Indonesia terhadap PO Rosalia Indah dengan menggunakan data dari Twitter. Data dikumpulkan melalui proses crawling dengan kata kunci "rosalia indah" dan "po rosalia indah", menghasilkan 2.665 tweet dalam rentang waktu Desember 2023 hingga Maret 2024. Setelah data diperoleh, dilakukan tahap preprocessing yang mencakup cleaning, case folding, normalisasi, tokenisasi, stopword removal, stemming, dan translasi ke Bahasa Inggris. Data kemudian diberi bobot menggunakan metode TF-IDF sebelum dilakukan analisis sentimen. Proses klasifikasi sentimen dilakukan dengan dua algoritma, yaitu Support Vector Machine (SVM) dan K-Nearest Neighbors (KNN). Dataset dibagi menjadi 710 data latih dan 178 data uji menggunakan rasio 80:20, yang memberikan hasil terbaik. Berdasarkan hasil penelitian, algoritma SVM menunjukkan akurasi lebih tinggi (79%) dibandingkan KNN (75%). SVM lebih stabil dalam menangani semua kategori sentimen, terutama pada kelas Netral yang memiliki distribusi data lebih kecil. Sementara itu, KNN lebih efektif dalam menangani kelas dengan distribusi data dominan, seperti Positif dan Negatif. Penelitian ini memberikan wawasan penting bagi PO Rosalia Indah untuk memahami persepsi masyarakat dan meningkatkan kualitas layanan mereka. Selain itu, penelitian ini diharapkan dapat menjadi referensi bagi pengembangan metode analisis sentimen di masa mendatang, khususnya dalam penerapan algoritma pembelajaran mesin.

Actions (login required)

View Item