eprintid: 33173
rev_number: 14
eprint_status: archive
userid: 12
dir: disk0/00/03/31/73
datestamp: 2026-10-06 04:48:13
lastmod: 2026-10-06 04:48:13
status_changed: 2026-10-06 04:48:13
type: thesis
metadata_visibility: show
creators_name: Nursyahbani, Agung
creators_nim: 21.11.4186
contributors_name: Dhuhita, Windha Mega Pradnya
corp_creators: Universitas AMIKOM Yogyakarta
title: EVALUASI METODE SVM DAN KNN DALAM ANALISIS
SENTIMEN PADA APLIKASI CEK BANSOS
ispublished: pub
subjects: 000.000.000A
divisions: if
full_text_status: restricted
keywords: Cek Bansos, Analisis Sentimen, SVM, KNN, TF-IDF, SMOTE, Sentiment Analysis.
abstract: Aplikasi 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.
date: 2026-02-25
date_type: published
institution: Universitas AMIKOM Yogyakarta
department: Fakultas Ilmu Komputer
thesis_type: bachelor
thesis_name: skripsi
citation:   Nursyahbani, Agung  (2026) EVALUASI METODE SVM DAN KNN DALAM ANALISIS SENTIMEN PADA APLIKASI CEK BANSOS.  S1 - Sarjana thesis, Universitas AMIKOM Yogyakarta.   
document_url: https://eprints.amikom.ac.id/id/eprint/33173/1/COVER.pdf
document_url: https://eprints.amikom.ac.id/id/eprint/33173/2/BAB%20I.pdf
document_url: https://eprints.amikom.ac.id/id/eprint/33173/3/BAB%20II.pdf
document_url: https://eprints.amikom.ac.id/id/eprint/33173/4/BAB%20III.pdf
document_url: https://eprints.amikom.ac.id/id/eprint/33173/5/BAB%20IV.pdf
document_url: https://eprints.amikom.ac.id/id/eprint/33173/6/BAB%20V.pdf
document_url: https://eprints.amikom.ac.id/id/eprint/33173/7/Daftar%20Pustaka%20dan%20Lampiran.pdf
document_url: https://eprints.amikom.ac.id/id/eprint/33173/8/Publikasi.pdf