Alhaq, Zidna (2019) PENERAPAN METODE SUPPORT VECTOR MACHINE UNTUK ANALISIS SENTIMEN PENGGUNA TWITTER. 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 (314kB) |
|
Text (BAB II)
BAB II.pdf Restricted to Registered users only Download (914kB) |
|
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 (698kB) |
|
Text (BAB V)
BAB V.pdf Download (65kB) |
|
Text (DAFTAR PUSTAKA - LAMPIRAN)
Daftar Pustaka dan Lampiran.pdf Restricted to Registered users only Download (269kB) |
![[img]](https://eprints.amikom.ac.id//style/images/fileicons/archive.png) |
Archive (SOURCE CODE)
Source Code_18.21.1185 Zidna Alhaq.zip Restricted to Repository staff only Download (985kB) |
|
Text (PUBLIKASI)
Publikasi_18.21.1185 Zidna Alhaq.pdf Restricted to Repository staff only Download (610kB) |
Abstract
Twitter merupakan salah satu media sosial yang digunakan untuk menyalurkan opini dan membahas berbagai topik yang ada di sekitar. Salah satu topik yang sering dibahas yaitu marketplace. Bukalapak merupakan salah satu marketplace paling populer di Indonesia. Bukalapak memberikan penggunanya untuk dapat melakukan transaksi secara cepat dan aman. Respon yang diberikan oleh pengguna tersebut dapat berupa respon positif, negatif, dan netral. Oleh karena itu dipelukan suatu metode yang dapat digunakan untuk mengetahui opini pengguna Bukalapak pada sosial media Twitter. Untuk menyelesaikan masalah tersebut maka diperlukan suatu metode yang dapat mengkategorikan opini tersebut. Support Vector Machine merupakan salah satu metode dalam text mining yang dapat mengkategorikan opini-opini tersebut. Data yang diperoleh dari Twiiter akan dilabeli dan dianalisis menggunakan metode SVM untuk mengklasifikasikan opini tersebut. Hasil dari klasifikasi menggunakan metode SVM diperoleh tingkat akurasi sebesar 93%.
| Item Type: | Thesis (S1 - Sarjana) | ||
|---|---|---|---|
| Contributor: |
|
||
| Uncontrolled Keywords: | Python, Text Mining, Support Vector Machine, Opini, Analisis Sentimen, Kecerdasan Buatan | ||
| Subjects: | 000 - Komputer, Informasi dan Referensi Umum > 000 Ilmu komputer, ilmu pengetahuan dan sistem-sistem > 000 Ilmu komputer, informasi dan pekerjaan umum | ||
| Divisions: | Fakultas Ilmu Komputer > Informatika | ||
| Depositing User: | RC Universitas AMIKOM Yogyakarta | ||
| Date Deposited: | 03 Aug 2022 06:41 | ||
| Last Modified: | 08 Sep 2023 01:38 | ||
| URI: | http://eprints.amikom.ac.id/id/eprint/4866 |
Actions (login required)
 |
View Item |