M. Nurul Muttaqin, 4111416015 (2021) ANALISIS SENTIMEN PADA ULASAN APLIKASI GOJEK MENGGUNAKAN METODE SUPPORT VECTOR MACHINE (SVM) DAN K NEAREST NEIGHBOR (KNN). Under Graduates thesis, Universitas Negeri Semarang.

PDF - Published Version Restricted to Repository staff only Download (3MB) | Request a copy

Abstract

Gojek merupakan salah satu perusahaan decacorn dari Indonesia yang berkembang sangat pesat. Kapitalisasi perusahaan bertumbuh dengan cepat seiring dengan berkembangnya layanan-layanan yang menyentuh ke berbagai aspek kehidupan manusia. Dengan semakin banyaknya pengguna aplikasi Gojek membuat perusahaan harus senantiasa menjaga mutu pelayanannya. Analisis sentimen merupakan solusi untuk mengekstrak sebuah sumber informasi dalam bentuk teks dengan jumlah data yang besar dalam waktu yang singkat, sehingga perusahaan dapat mengambil keputusan-keputusan penting secara efisien untuk mempertahankan dan meningkatkan mutu pelayanan pada aplikasi. Tujuan penelitian ini adalah melakukan klasifikasi pada ulasan Aplikasi Gojek menggunakan metode Support Vector Machine (SVM) dan K Nearest Neighbor (KNN). Sumber data terbaik untuk mendapatkan dataset dalam penelitian analisis sentimen adalah Google Play Store, dikarenakan data yang diperoleh lebih bersih dan tidak mengandung unsur iklan atupun promosi. Data yang digunakan dalam penelitian ini sebanyak 2.462 ulasan yang diperoleh dengan cara web scraping. Tahap analisis dalam penelitian ini yaitu pengumpulan data, text prepocessing untuk membersihkan data, pembobotan kata menggunakan term frequency – inverse document frequency, pelabelan data menggunakan lexicon, pembagian data latih dan data uji, pengklasifikasian menggunakan metode Support Vector Machine (SVM) dan K Nearest Neighbor (KNN), dan visualisasi data menggunakan word cloud. Hasil penelitian ini menunjukkan bahwa sebanyak 1.751 ulasan bersentimen positif dan 711 ulasan bersentimen negatif. Ketidakpuasan beberapa pengguna disebabkan oleh akurasi peta yang kurang baik, notifikasi akun yang mengalami error, dan fitur paylater yang biaya adminnya dianggap terlalu mahal. Pada pengujian tingkat ketepatan klasifikasi diperoleh bahwa metode Support Vector Machine (SVM) dengan kernel linear dan parameter C=1 memperoleh nilai akurasi, presisi, dan recall berturut-turut sebesar 87,98%, 88,55%, dan 95,43%. Metode K Nearest Neighbor (KNN) dengan nilai K=22 memperoleh nilai akurasi, presisi, dan recall berturut-turut sebesar 82,14%, 82,28%, dan 95,43%. Dengan demikian dapat disimpulkan bahwa metode Support Vector Machine (SVM) melakukan klasifikasi secara lebih baik dibandingkan K Nearest Neighbor (KNN) pada ulasan pengguna aplikasi Gojek di Google Play Store.

Actions (login required)

View Item