Agalista, Seli (2025) ANALISIS SENTIMEN OPINI PENGGUNA TWITTER TERHADAP APLIKASI KAI ACCESS DENGAN METODE BERT. S1 - Sarjana thesis, Universitas AMIKOM Yogyakarta.
![[img]](https://eprints.amikom.ac.id//style/images/fileicons/text.png) |
Text (COVER-ABSTRAK)
COVER.pdf Download (892kB) |
|
Text (BAB I)
BAB I.pdf Download (174kB) |
|
Text (BAB II)
BAB II.pdf Restricted to Registered users only Download (730kB) |
|
Text (BAB III)
BAB III.pdf Restricted to Registered users only Download (300kB) |
|
Text (BAB IV)
BAB IV.pdf Restricted to Registered users only Download (1MB) |
|
Text (BAB V)
BAB V.pdf Download (71kB) |
|
Text (DAFTAR PUSTAKA)
Daftar Pustaka.pdf Restricted to Registered users only Download (166kB) |
![[img]](https://eprints.amikom.ac.id//style/images/fileicons/archive.png) |
Archive (SOURCE CODE)
Sourcecode - 20.11.3525.zip Restricted to Repository staff only Download (96kB) |
|
Text (PUBLIKASI)
Publikasi.pdf Restricted to Repository staff only Download (728kB) |
Abstract
Di era digital, media sosial menjadi platform utama masyarakat untuk menyampaikan pendapat, termasuk mengenai aplikasi seperti KAI Access. Aplikasi ini merupakan layanan resmi PT Kereta Api Indonesia untuk mempermudah pengguna dalam membeli tiket dan mendapatkan informasi terkait perjalanan kereta. Penelitian ini bertujuan untuk menganalisis sentimen opini masyarakat terhadap aplikasi KAI Access yang disampaikan melalui platform X (Twitter). Model BERT (Bidirectional Encoder Representations from Transformers) digunakan untuk klasifikasi sentimen karena kemampuannya memahami konteks bahasa secara dua arah. Penelitian dilakukan dengan mengumpulkan 12.477 tweet selama November 2023 hingga April 2024 menggunakan teknik crawling data. Setelah melalui proses preprocessing, termasuk case folding, cleaning, normalisasi, dan tokenisasi, data dibagi menjadi 8.511 data berbahasa Indonesia dan dianalisis menggunakan model Multilingual BERT yang dioptimasi. Model ini dilatih dengan hyperparameter learning rate 2e-5, batch size 16, dan 5 epoch, serta dievaluasi menggunakan metrik seperti akurasi, precision, recall, dan F1-score. Hasil penelitian menunjukkan akurasi model mencapai 90% pada set validasi dan pengujian. Analisis sentimen mengungkapkan bahwa sebagian besar opini pengguna terhadap aplikasi KAI Access bersifat positif (51,6%) dibandingkan negatif (48,4%). Studi ini membuktikan efektivitas Multilingual BERT dalam memahami dan mengklasifikasikan sentimen berbahasa Indonesia, termasuk variasi informal dan slang. Temuan ini memberikan wawasan berharga bagi pengembang untuk meningkatkan kualitas layanan aplikasi KAI Access.
| Item Type: | Thesis (S1 - Sarjana) | ||
|---|---|---|---|
| Contributor: |
|
||
| Uncontrolled Keywords: | Analisis Sentimen, KAI Access, Twitter, BERT, Multilingual BERT | ||
| 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: | 16 Apr 2025 07:05 | ||
| Last Modified: | 16 Apr 2025 07:06 | ||
| URI: | http://eprints.amikom.ac.id/id/eprint/29449 |
Actions (login required)
 |
View Item |