Analisis Sentimen Kepuasan Pelanggan Transportasi Online pada Grab Menggunakan Support Vector Machine

Sitanggang, Denny (2025) Analisis Sentimen Kepuasan Pelanggan Transportasi Online pada Grab Menggunakan Support Vector Machine. Skripsi thesis, Program Studi Teknik Informatika.

	Text cover.pdf - Submitted Version Download (2MB)
	Text bab I.pdf - Submitted Version Download (1MB)
	Text bab II.pdf - Submitted Version Download (9MB)
	Text bab III.pdf - Submitted Version Download (4MB)
	Text bab IV.pdf - Submitted Version Restricted to Registered users only Download (7MB) | Request a copy
	Text bab V.pdf - Submitted Version Download (589kB)
	Text daftar pustaka.pdf - Submitted Version Download (1MB)
	Text lampiran.pdf - Submitted Version Restricted to Registered users only Download (2MB) | Request a copy

Abstract

Layanan transportasi online seperti Grab telah menjadi bagian penting dalam kehidupan sehari-hari masyarakat Indonesia, memberikan kemudahan dalam mobilitas dan akses transportasi. Seiring dengan meningkatnya pengguna, ulasan yang diberikan melalui platform seperti Google Play Store menjadi sumber data berharga untuk memahami kepuasan pelanggan. Penelitian ini bertujuan untuk menganalisis sentimen dari ulasan pengguna Grab dengan menerapkan algoritma Support Vector Machine (SVM), yang dikenal efektif dalam klasifikasi teks. Data ulasan dikumpulkan melalui web scraping dari halaman aplikasi Grab di Google Play Store. Selanjutnya, data menjalani tahapan pre-processing berupa pembersihan teks dari simbol, angka, tanda baca, hingga proses stemming dan penghapusan stopword. Pelabelan dilakukan secara otomatis berdasarkan skor ulasan: skor ≤ 3 diberi label negatif, dan skor ≥ 4 diberi label positif. Representasi teks dilakukan menggunakan metode Term Frequency–Inverse Document Frequency (TF-IDF) untuk mengubah teks menjadi fitur numerik yang dapat diproses oleh model. Model SVM dilatih dengan pembagian data latih dan data uji masing-masing 80% dan 20% menggunakan kernel linear. Hasil evaluasi model menunjukkan performa yang cukup baik dengan akurasi sebesar 82%, precision 84%, recall 78%, F1-score 79%, dan nilai AUC sebesar 0,9015. Analisis lebih lanjut terhadap ulasan negatif mengungkapkan bahwa aspek "driver", "aplikasi", dan "pembayaran" menjadi sumber utama keluhan pelanggan. Penelitian ini membuktikan bahwa SVM efektif dalam mengklasifikasikan sentimen ulasan pengguna dan memiliki potensi sebagai alat evaluasi berbasis data. Sebagai tindak lanjut, disarankan penggunaan pelabelan manual atau teknik semantik lanjutan untuk meningkatkan akurasi pelabelan dan mengatasi ketidaksesuaian antara skor dan isi ulasan.

Item Type:	Thesis (Skripsi)
Uncontrolled Keywords:	Analisis Sentimen, Grab, Support Vector Machine, TF-IDF, Ulasan Pelanggan: Sentiment Analysis, Grab, Support Vector Machine, TF-IDF, User Riview
Subjects:	000 Karya Umum > 000-009 Ilmu Umum dan Komputer > 006.3 Kecerdasan Buatan
Divisions:	Fakultas Teknik dan Komputer > Teknik Informatika
Depositing User:	Susila Novmbrita
Date Deposited:	19 Nov 2025 04:01
Last Modified:	19 Nov 2025 04:01
URI:	http://repository.upbatam.ac.id/id/eprint/6948

Actions (login required)

View Item

Downloads