Analisis Sentimen Layanan Ojek Online Maxim dengan Menggunakan Metode Support Vector Machine

Alfitrah, Hamzah (2024) Analisis Sentimen Layanan Ojek Online Maxim dengan Menggunakan Metode Support Vector Machine. Skripsi thesis, Prodi Teknik Informatika.

	Text Cover.pdf - Submitted Version Download (424kB)
	Text Bab I.pdf - Submitted Version Download (87kB)
	Text Bab II.pdf - Submitted Version Download (449kB)
	Text Bab III.pdf - Submitted Version Download (210kB)
	Text Bab IV.pdf - Submitted Version Restricted to Registered users only Download (1MB) | Request a copy
	Text Bab V.pdf - Submitted Version Download (8kB)
	Text Daftar Pustaka.pdf - Submitted Version Download (151kB)
	Text Lampiran.pdf - Submitted Version Restricted to Registered users only Download (1MB) | Request a copy

Abstract

Perkembangan teknologi di Indonesia, terutama investasi dalam infrastruktur telekomunikasi dan penyebaran akses internet, telah mengubah dinamika sosial masyarakat secara signifikan. Fenomena ini terlihat jelas dalam evolusi sektor transportasi, di mana ojek konvensional bermetamorfosis menjadi layanan ojek online, contohnya yang ditawarkan oleh Maxim di Kota Batam. Penelitian ini dilakukan dengan tujuan untuk menerapkan algoritma Support Vector Machine (SVM) dalam melakukan klasifikasi sentimen ulasan pengguna terhadap layanan ojek online Maxim. Dengan mengadopsi teknik data mining, analisis sentimen dijalankan dengan tujuan meningkatkan mutu layanan dan pengalaman pengguna yang diambil berdasarkan hasil label sentimen yang didapat dari proses penambangan. Algoritma SVM diimplementasikan melalui RapidMiner, untuk membedakan ulasan ke dalam sentimen positif dan negatif. Implementasi dilakukan melalui tahapan pra-proses, pembangunan model SVM, dan analisis sentimen dengan SVM. Evaluasi kinerja model SVM menghasilkan angka-angka yang cukup baik, dengan akurasi mencapai 64,65%, recall 67,41%, presisi 75,82%, F1-score 62,44%, dan AUC 0,67. Meskipun demikian, temuan ini juga mencatat adanya bobot kata yang kurang tepat, yang dapat diperbaiki dengan menambahkan korpus data latih, menyelaraskan distribusi data, menerapkan teknik sampling yang seimbang, dan melakukan penyetelan parameter model. Dengan langkah-langkah perbaikan tersebut, diharapkan model SVM dapat dioptimalkan untuk memberikan analisis sentimen yang lebih akurat dan relevan dalam konteks layanan ojek online di Indonesia.

Item Type:	Thesis (Skripsi)
Uncontrolled Keywords:	Analisis Sentimen, Maxim, Ojek Online, RapidMiner, Support Vector Machine: Sentiment Analysis, Maxim, Online Motorcycle Taxi, RapidMiner, Support Vector Machine
Subjects:	000 Karya Umum > 000-009 Ilmu Umum dan Komputer > 005.5 Program Aplikasi dengan Kegunaan Khusus
Divisions:	Fakultas Teknik dan Komputer > Teknik Informatika
Depositing User:	Lia Priscilla
Date Deposited:	27 May 2024 11:51
Last Modified:	27 May 2024 11:51
URI:	http://repository.upbatam.ac.id/id/eprint/6225

Actions (login required)

View Item