RANCANG BANGUN MENGGUNAKAN ALGORITMA K-NEAREST NEIGHBOUR DAN SUPPORT VECTOR MACHINE PADA SENTIMEN USER

Muhammad Titan, Rama Adi Wijaya (2024) RANCANG BANGUN MENGGUNAKAN ALGORITMA K-NEAREST NEIGHBOUR DAN SUPPORT VECTOR MACHINE PADA SENTIMEN USER. Skripsi (S1) thesis, Universitas Muhammadiyah Ponorogo.

	Text (SURAT PERSETUJUAN UNGGAH KARYA ILMIAH) surat persetujuan unggah karya.pdf Download (609kB)
	Text (HALAMAN DEPAN) HALAMAN DEPAN.pdf Download (1MB)
	Text (BAB I) BAB I.pdf Download (270kB)
	Text (BAB II) BAB II.pdf Restricted to Repository staff only Download (670kB)
	Text (BAB III) BAB III.pdf Restricted to Repository staff only Download (976kB)
	Text (BAB IV) BAB IV.pdf Restricted to Repository staff only Download (1MB)
	Text (BAB V) BAB V.pdf Restricted to Repository staff only Download (259kB)
	Text (DAFTAR PUSTAKA) DAFTAR PUSTAKA.pdf Download (384kB)
	Text (SKRIPSI FULL TEXT) SKRIPSI_Muhammad Titan Rama A.W_18533018_TI.pdf Restricted to Repository staff only Download (3MB)

Abstract

Analisis sentimen adalah suatu proses otomatis yang melibatkan ekstraksi,
pemahaman, dan pengolahan data teks dengan tujuan memperoleh informasi. Data
diambil dari M-Pajak memanfaatkan platform digital, yaitu Google Play. Melalui
fitur yang disediakan oleh Google Play, dimana setiap pengguna yang mengunduh
aplikasi M-Pajak dapat memberikan ulasan. Ulasan tersebut dapat diakses oleh
pengguna secara bebas. Data ulasan yang dikumpulkan dari aplikasi M-Pajak
dapat berguna jika diproses dengan benar. Adapun salah satu manfaat dari analisis
sentimen adalah pemantauan terhadap kepuasan pelanggan berupa tanggapan
positif dan negatif. Oleh karena itu, dibutuhkannya perangkat lunak yang dapat
mengolah analisis sentimen. Adanya perangkat lunak yang dapat mengolah
menggunakan pemrograman python dengan framework Flask, dimana metode ini
menggunakan K-Nearest Neighbour (KNN) dan Support Vector Machine (SVM)
untuk menentukan sebuah ulasan mempunyai sentiment positif atau negatif pada
aplikasi M-Pajak dan diberikan tambahan Term Frequency-inverse Document
Frequency (TF-IDF) sebagai metode pembobotan pada kata. Data diperoleh
sebanyak 1000 ulasan mulai tanggal 11 Desember 2022 sampai 2 Desember 2023
yang nantinya digunakan dalam proses analisis sentimen. Efektivitas penggunaan
algoritma KNN dan SVM dalam aplikasi analisis sentimen. KNN menghasilkan
akurasi sebesar 94,10% dengan jumlah prediksi sebesar 152 data positif dan 848
data negatif. Sedangkan SVM menghasilkan akurasi sebesar 88,10% dengan
jumlah prediksi sebesar 325 data positif dan 675 data negatif. Perbedaan dari
hasil pengujian KNN lebih baik dari SVM hal ini disebabkan karena nilai jumlah
prediksi yang benar sebesar 941 data sedangkan SVM 881 data prediksi yang
benar, sehingga KNN dapat direkomendasikan sebagai algoritma klasifikasi yang
baik.

Item Type:	Thesis (Skripsi (S1))
Uncontrolled Keywords:	Analisis Sentimen, Support Vector Machine, K-Nearest Neighbour
Subjects:	T Technology > T Technology (General)
Divisions:	Faculty of Engineering
Depositing User:	ft . userft
Date Deposited:	04 Mar 2024 07:25
Last Modified:	04 Nov 2025 01:57
URI:	https://eprints.umpo.ac.id/id/eprint/13398

Actions (login required)

View Item