Agung, Muh. Fajri Kanugraha (2025) ANALISIS SENTIMEN PENGGUNA KERETA REL LISTRIK (KRL) JOGJA SOLO BERDASARKAN ULASAN SOSIAL MEDIA MENGGUNAKAN METODE NAÏVE BAYES. S1 - Sarjana thesis, Universitas AMIKOM Yogyakarta.
![[img]](https://eprints.amikom.ac.id/style/images/fileicons/text.png) |
Text (COVER-ABSTRAK)
COVER.pdf Download (2MB) |
|
Text (BAB I)
BAB I.pdf Download (185kB) |
|
Text (BAB II)
BAB II.pdf Restricted to Registered users only Download (480kB) |
|
Text (BAB III)
BAB III.pdf Restricted to Registered users only Download (328kB) |
|
Text (BAB IV)
BAB IV.pdf Restricted to Registered users only Download (692kB) |
|
Text (BAB V)
BAB V.pdf Download (96kB) |
|
Text (DAFTAR PUSTAKA)
Daftar Pustaka.pdf Restricted to Registered users only Download (104kB) |
![[img]](https://eprints.amikom.ac.id/style/images/fileicons/archive.png) |
Archive (SOURCE CODE)
Sourcecode - 21.11.4137.zip Restricted to Repository staff only Download (890kB) |
|
Text (PUBLIKASI)
Publikasi.pdf Restricted to Repository staff only Download (4MB) |
Abstract
KRL Commuter Line Jogja–Solo yang dioperasikan sejak 10 Februari 2021 sebagai pengganti Kereta Api Prambanan Ekspres (Prameks) hadir untuk meningkatkan layanan transportasi umum di wilayah Yogyakarta–Solo. Meskipun menawarkan tarif terjangkau dan perjalanan efisien, layanan ini masih mendapat keluhan pengguna, terutama pada jam sibuk yang menimbulkan kepadatan penumpang, sehingga memicu opini beragam di media sosial. Twitter dan TikTok menjadi sumber utama ulasan masyarakat secara real-time, yang dapat dimanfaatkan untuk menganalisis persepsi publik. Penelitian ini menggunakan algoritma Multinomial Naïve Bayes untuk mengklasifikasikan sentimen pengguna KRL Jogja–Solo ke dalam tiga kategori: positif, netral, dan negatif. Data berupa teks opini dikumpulkan dari Twitter dan TikTok, melalui tahapan praproses teks, ekstraksi fitur dengan TF-IDF, penyeimbangan kelas menggunakan SMOTE, pemodelan dengan Naïve Bayes, dan evaluasi menggunakan confusion matrix. Hasil penelitian menunjukkan bahwa sentimen netral mendominasi ulasan, dengan akurasi model sebesar 76,21% dan f1-score tertinggi pada kelas netral sebesar 0,85, sedangkan positif dan negatif masing-masing 0,49 dan 0,45. Meskipun distribusi kinerja antar kelas belum merata, hasil ini membuktikan bahwa Naïve Bayes masih relevan digunakan untuk analisis sentimen sederhana dan efisien. Penelitian ini dapat dimanfaatkan oleh penyedia layanan transportasi untuk mengevaluasi kualitas layanan berdasarkan data opini publik di media sosial.
| Item Type: | Thesis (S1 - Sarjana) | ||
|---|---|---|---|
| Contributor: |
|
||
| Uncontrolled Keywords: | Analisis Sentimen, Naïve Bayes, KRL Jogja–Solo, Twitter, TikTok | ||
| Subjects: | 000 - Komputer, Informasi dan Referensi Umum > 000 Ilmu komputer, ilmu pengetahuan dan sistem-sistem > 005 Pemrograman komputer, program dan data 000 - Komputer, Informasi dan Referensi Umum > 000 Ilmu komputer, ilmu pengetahuan dan sistem-sistem > 006 Metode komputer khusus |
||
| Divisions: | Fakultas Ilmu Komputer > Informatika | ||
| Depositing User: | RC Universitas AMIKOM Yogyakarta | ||
| Date Deposited: | 27 Nov 2025 06:55 | ||
| Last Modified: | 27 Nov 2025 06:55 | ||
| URI: | http://eprints.amikom.ac.id/id/eprint/31375 |
Actions (login required)
 |
View Item |