ANALISIS SENTIMEN TERHADAP TINGKAT KEPUASAN PENGGUNA JASA LAYANAN ANTAR BARANG JNE PADA TWITTER MENGGUNAKAN ALGORITMA SUPPORT VECTOR MACHINE (SVM)

Mayasari, Andia Enggar (2019) ANALISIS SENTIMEN TERHADAP TINGKAT KEPUASAN PENGGUNA JASA LAYANAN ANTAR BARANG JNE PADA TWITTER MENGGUNAKAN ALGORITMA SUPPORT VECTOR MACHINE (SVM). S1 - Sarjana thesis, Universitas AMIKOM Yogyakarta.

	Text (COVER-ABSTRAK) COVER.pdf Download (1MB)
	Text (BAB I) BAB I.pdf Download (282kB)
	Text (BAB II) BAB II.pdf Restricted to Registered users only Download (720kB)
	Text (BAB III) BAB III.pdf Restricted to Registered users only Download (1MB)
	Text (BAB IV) BAB IV.pdf Restricted to Registered users only Download (533kB)
	Text (BAB V) BAB V.pdf Download (35kB)
	Text (DAFTAR PUSTAKA) Daftar Pustaka.pdf Restricted to Registered users only Download (90kB)
	Archive (SOURCE CODE) Source Code 16.11.0161 Andia Enggar Mayasari..zip Restricted to Repository staff only Download (143kB)
	Text (PUBLIKASI) Publikasi_16.11.0161 Andia Enggar Mayasari.pdf Restricted to Repository staff only Download (1MB)

Abstract

Jumlah data mengalami pertumbuhan yang sangat cepat dalam era sekarang ini. Data dapat berupa text, gambar, suara maupun video. Media social menjadi salah satu faktor pertumbuhan data, setiap orang berekspetasi beropini dan mengeluh di media social dari opinion tersebut dapat dilakukan analisis data. Dalam penelitian ini analisis sentiment menggunakan algoritma support vector machine. Langkah pertama adalah dilakukan crawling data menggunakan twitter API dengan keyword. Setalah mengumpulkan data, dilakukan proses preprocessing, setelah proses preprocessing dilakukan pengambilan fitur pada setiap tweet, fitur yang didapatkan kemudian dikumpulkan menjadi sebuah list fitur. List fitur kemudian ditransformasikan menjadi feature vector dengan bentuk binary kemudian ditransformasikan menggunakan metode Tf-idf. Dataset terdiri dari 2 data yaitu training dan testing. Di dalam data training diberikan label secara manual. Untuk pengujian performa algoritma digunakan metode K-Fold Cross Validation. Hasil pengujian adalah akurasi yang diperoleh mencapai rata-rata 80% dengan komposisi data training dan data testing. Dari hasil tersebut metode Support Vector Machine dapat digunakan untuk klasifikasi sentimen terhadap data twitter JNE. Di dalam data testing dilakukan crawling data secara realtime dan data yang dihasil dilakukan pelabelan dan proses Preprocessing melalui sistem sehingga ouput akhir yang ditampilkan berupa sentiment positif dan negative dari hasil crawling data sebelumnya.

Actions (login required)

View Item