Br Sembiring, Febri Fitri Sari (2021) PERBANDINGAN METODE NAIVE BAYES CLASSIFIER DAN LEXICON BASED PADA ANALISIS SENTIMEN DI MEDIA SOSIAL SEBAGAI REKOMENDASI KREDIT ONLINE. Diploma thesis, UPN "VETERAN" YOGYAKARTA.
![]() |
Text
Laporanfull_FebriFitriSari.pdf Restricted to Repository staff only Download (3MB) |
Preview |
Text
COVER.pdf Download (231kB) | Preview |
Preview |
Text
ABSTRAK.pdf Download (114kB) | Preview |
Preview |
Text
DAFTAR ISI.pdf Download (185kB) | Preview |
Preview |
Text
DAFTAR PUSTAKA.pdf Download (111kB) | Preview |
![]() ![]() Preview |
Image
Halaman Pengesahan Pembimbing.jpg Download (2MB) | Preview |
![]() ![]() Preview |
Image
Halaman Pengesahan Penguji.jpg Download (3MB) | Preview |
Abstract
Media sosial seperti Instagram dan Playstore dapat dijadikan sebagai sumber informasi
dari jejak digital berupa pertanyaan atau opini. Salah satunya yaitu opini mengenai pinjaman
online yang digunakan sebagai bahan pertimbangan untuk melakukan pinjaman secara
online. Oleh karena itu dibutuhkan analisis sentimen yang dapat menilai sentimen dari opini
yang disampaikan di media sosial apakah bersifat positif, negatif atau netral. Analisis
sentimen dapat dilakukan dengan metode machine learning seperti Naïve Bayes Cassifier
dan Lexicon Based yang merupakan teknik machine learning yang popular dalam
pengklasifikasian teks. Kedua metode tersebut juga memiliki perfoma yang baik pada
banyak domain
Pada penelitian ini data yang digunakan adalah komentar dari media sosial Homekredit
dan Kredivo yang diambil secara manual dengan scrapping dari Instagram dan Playstore.
Kemudian data akan dilakukan preprocessing. Pembobotan setiap kata atau fitur
menggunakan term frequency-inverse document frequency (TF-IDF) dan selanjutnya
dilakukan proses training dengan menggunakan algortima Naïve Bayes Classifier dan
Lexicon Based. Pengujian dilakukan dengan menggunakan data sebanyak 1533 dengan
perbandingan data latih 80% dan data uji 20%.
Hasil pengujian pada sistem yang dibangun mengunakan data uji memperlihatkan
bahwa metode Lexicon Based memberikan akurasi, presisi, dan recall yang lebih baik dari
pada metode Naïve Bayes Classifier dengan nilai akurasi 83%, presisi 81% dan recall 82%.
Pengujian pada aplikasi Kredivo diperoleh hasil bahwa metode Lexicon Based menghasilkan
kinerja yang lebih baik daripada Naïve Bayes Classifier dengan nilai akurasi 82%, presisi
85%, dan recall 91%, sedangkan pada aplikasi Homekredit metode Lexicon Based juga
menghasilkan kinerja yang lebih baik daripada Naïve Bayes Classifier dengan nilai akurasi
82%, presisi 85%, dan recall 91%.
Item Type: | Thesis (Diploma) |
---|---|
Uncontrolled Keywords: | Kredit online, analisis sentimen, media sosial, naive bayes classifier, lexicon based |
Subjek: | T Technology > TX Home economics |
Divisions: | x. Faculty of Engineering, Science and Mathematics > School of Engineering Sciences |
Depositing User: | Eny Suparny |
Date Deposited: | 02 Mar 2022 03:29 |
Last Modified: | 02 Mar 2022 03:29 |
URI: | http://eprints.upnyk.ac.id/id/eprint/28552 |
Actions (login required)
![]() |
View Item |