EPrints Universitas Amikom YogyakartaEVALUASI METODE SVM DAN KNN DALAM ANALISIS SENTIMEN PADA APLIKASI CEK BANSOSAgungNursyahbaniauthorAplikasi Cek Bansos yang dikembangkan oleh Kementerian Sosial Republik Indonesia menjadi sarana utama bagi masyarakat untuk mengakses informasi bantuan sosial. Namun, aplikasi ini menerima beragam tanggapan dari pengguna, sehingga diperlukan analisis sentimen untuk memahami persepsi masyarakat secara lebih objektif. Penelitian ini bertujuan untuk membandingkan kinerja algoritma Support Vector Machine (SVM) dan K-Nearest Neighbors (KNN) dalam mengklasifikasikan sentimen ulasan pengguna aplikasi Cek Bansos. Data ulasan diperoleh melalui proses web scraping dan dilabeli secara manual untuk menghasilkan dataset yang akurat. Tahapan penelitian meliputi preprocessing teks, ekstraksi fitur menggunakan TF-IDF, pembagian dataset menjadi data latih dan data uji, serta penyeimbangan data pada data latih menggunakan SMOTE. Proses pemodelan dan optimasi parameter dilakukan menggunakan GridSearchCV dengan teknik cross-validation. Hasil evaluasi menunjukkan bahwa SVM memiliki performa lebih baik dibandingkan KNN, dengan akurasi sebesar 88,62% dan F1-Score Macro sebesar 0,79, sedangkan KNN memperoleh akurasi sebesar 87,13% dan F1-Score Macro sebesar 0,75. Performa SVM yang lebih stabil terutama terlihat pada kemampuannya dalam mengenali ulasan positif sebagai kelas minoritas. Temuan ini menunjukkan bahwa SVM lebih efektif digunakan dalam analisis sentimen ulasan aplikasi Cek Bansos, khususnya pada data yang tidak seimbang dan memiliki variasi linguistik yang tinggi.000 Ilmu komputer, informasi dan pekerjaan umum2026-02-25Universitas AMIKOM Yogyakarta;Fakultas Ilmu KomputerThesis

For work being deposited by its own author: In self-archiving this collection of files and associated bibliographic metadata, I grant EPrints Universitas Amikom Yogyakarta the right to store them and to make them permanently available publicly for free on-line. I declare that this material is my own intellectual property and I understand that EPrints Universitas Amikom Yogyakarta does not assume any responsibility if there is any breach of copyright in distributing these files or metadata. (All authors are urged to prominently assert their copyright on the title page of their work.)

For work being deposited by someone other than its author: I hereby declare that the collection of files and associated bibliographic metadata that I am archiving at EPrints Universitas Amikom Yogyakarta) is in the public domain. If this is not the case, I accept full responsibility for any breach of copyright that distributing these files or metadata may entail.

Clicking on the deposit button indicates your agreement to these terms.