ANALISIS SENTIMEN OPERATOR TELEKOMUNIKASI SELULER MENGGUNAKAN SUPPORT VECTOR MACHINE (SVM)

Putra, Khalish Noorca Rustam (2022) ANALISIS SENTIMEN OPERATOR TELEKOMUNIKASI SELULER MENGGUNAKAN SUPPORT VECTOR MACHINE (SVM). Other thesis, UPN 'Veteran" Yogyakarta.

	Text ABSTRAK.pdf Download (11kB)
	Text DAFTAR PUSTAKA.pdf Download (18kB)
	Text HALAMAN PENGESAHAN PEMBIMBING.pdf Download (293kB)
	Text SKRIPSI_Khalish Noorca Rustam Putra_123150132.pdf Restricted to Repository staff only Download (3MB)
	Text DAFTAR ISI.pdf Download (21kB)
	Text COVER.pdf Download (471kB)

Abstract

vi
ABSTRAK
Teknologi telekomunikasi semakin berkembang cepat dengan seiringnya waktu. Begitu
juga industri telekomunikasi di Indonesia, semakin banyak operator telekomunkasi seluler yang
melayani masyarakat untuk memenuhi kebutuhan-kebutuhan komunikasi. Pelayanan yang
diterima masyarakat tentu tidak selalu baik, keluhan-keluhan mengenai sinyal, harga paket,
gangguan sistem dan lain-lain juga dilontarkan oleh masyarakat. Keluhan-keluhan tersebut
pada jaman digital sekarang sering dilontarkan melalui media sosial, salah satunya adalah
Twitter. Menurut Yayasan Lembaga Konsumen Indonesia (YLKI) selama tahun 2021 mencatat
11.9% dari total 535 aduan merupakan keluhan soal perusahaan telekomunikasi. Dengan
dilakukannya analisis sentimen operator telekomunikasi seluler (Telkomsel, XL dan Indosat
Ooredoo Hutchison) pada platform media sosial Twitter tersebut maka dapat mengetahui
bagaimana sentimen masyarakat untuk mengevaluasi dan meningkatkan kualitas pelayanan
kepada masyarakat. Pengujian analisis sentimen ini akan menggunakan metode
pengklasifikasian. Terdapat berbagai macam metode pengklasifikasian salah satunya adalah
metode Support Vector Machine (SVM).
Support Vector Machine (SVM) merupakan salah satu metode yang memiliki akurasi
yang baik dan dapat melakukan klasifikasi pada dimensi yang tinggi. Sedangkan data yang akan
digunakan adalah data hasil proses crawling pada Twitter mengenai operator telekomunikasi
seluler yang berjumlah 2435 data atau tweet setelah menghapus tweet yang berjenis retweet dari
3000 data atau tweet. Data tersebut akan dilakukan proses preprocessing dan pelabelan secara
manual sebelum dilakukan pengklasifikasian menggunakan metode Support Vector Machine
(SVM) kedalam tiga kelas yaitu negatif, netral dan positif.
Hasil pengujian metode pengklasifikasian Support Vector Machine (SVM) terhadap
data mengenai tweet operator telekomunikasi seluler yang berjumlah 2435 tweet setelah
menghapus data yang berjenis retweet dari 3000 tweet dan dibagi menjadi 80% data latih dan
20% data uji menghasilkan rata-rata precision 58%, rata-rata recall 60%, rata-rata f1-score
59% dan hasil akurasi 87%. Setelah diterapkan k-fold cross validation dengan 10 iterasi untuk
mendapatkan hasil yang valid menghasilkan rata-rata precision 54%, rata-rata recall 55%, rata�rata f1-score 54% dan hasil akurasi 80%.
Kata Kunci: SVM,Analisis Sentimen,Operator Telekomunikasi Seluler,Twitter

Item Type:	Thesis (Other)
Uncontrolled Keywords:	SVM,Analisis Sentimen,Operator Telekomunikasi Seluler,Twitter
Subjects:	Z Bibliography. Library Science. Information Resources > ZA Information resources
Divisions:	Faculty of Engineering, Science and Mathematics > School of Engineering Sciences
Depositing User:	Eko Yuli
Date Deposited:	22 Sep 2022 02:46
Last Modified:	22 Sep 2022 02:46
URI:	http://eprints.upnyk.ac.id/id/eprint/30994

Actions (login required)

View Item