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.
![[img]](http://eprints.upnyk.ac.id/style/images/fileicons/text.png) |
Text
Laporanfull_FebriFitriSari.pdf Restricted to Repository staff only Download (3MB) |
|
|
Text
COVER.pdf Download (231kB) | Preview |
|
|
Text
ABSTRAK.pdf Download (114kB) | Preview |
|
|
Text
DAFTAR ISI.pdf Download (185kB) | Preview |
|
|
Text
DAFTAR PUSTAKA.pdf Download (111kB) | Preview |
|
![[img]](http://eprints.upnyk.ac.id/28552/8/Halaman%20Pengesahan%20Pembimbing.jpg)
|
Image
Halaman Pengesahan Pembimbing.jpg Download (2MB) | Preview |
|
![[img]](http://eprints.upnyk.ac.id/28552/9/Halaman%20Pengesahan%20Penguji.jpg)
|
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 |
| Subjects: | T Technology > TX Home economics |
| Divisions: | 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 |